MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
Sujet
Online Learning and Analytics
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

1 694 résultats · 1 filtre actif ·
Résultats par année
20002025
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
1 694 travaux dans la cohorte · sur 4 299 418page 10 sur 34

Les étiquettes couvrent 10 des 1 694 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 1 694 des 1 694 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le mode candidate est l'union; le consensus est l'intersection.

affnon étiqueté
Artificial intelligence for students in postsecondary education
Natalina Martiniello, Jennison V. Asuncion, Catherine S. Fichten, Mary Jorgensen, Alice Havel, Maegan Harvison +3 autres
2020· article· en· AI Matters· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
14
citations
affnon étiqueté
Search Engines in Learning Contexts: A Literature Review
Jaurès Styve Kameni Homte, Bernabé Batchakui, Roger Nkambou
2022· review· en· International Journal of Emerging Technologies in Learning (iJET)· Computer Science
prédiction distillée:candidate · metaepi_narrow+open_science+research_integrityconsensus · aucune
14
citations
affvenuenon étiqueté
Troubleshooters for Tasks of Introductory Programming MOOCs
Marina Lepp, Tauno Palts, Piret Luik, Kaspar Papli, Reelika Suviste, Merilin Säde +3 autres
2018· article· en· The International Review of Research in Open and Distributed Learning· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
14
citations
venueno affnon étiqueté
Learning Analytics: Readiness and Rewards
Norm Friesen
2013· article· en· Canadian Journal of Learning and Technology· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
13
citations
affnon étiqueté
A Framework to Leverage and Mature Learning Ecosystems
William Derek Redmond, Leah P. Macfadyen
2020· article· en· International Journal of Emerging Technologies in Learning (iJET)· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
13
citations
venueno affnon étiqueté
Research on MOOCs in Major Referred Journals
Abdelghani Babori, Abdelkarim Zaïd, Hicham Fihri Fassi
2019· article· en· The International Review of Research in Open and Distributed Learning· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
12
citations
affnon étiqueté
Concept Science Evidence-Based MERLO Learning Analytics
Uri Shafrir, Ron S. Kenett
2015· book-chapter· en· Advances in educational technologies and instructional design book series· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
12
citations
aboutno affnon étiqueté
Prediction for University Admission using Machine Learning
Chithra Apoorva D.A, Malepati Chandu Nath, Peta Rohith, S Bindushree., S Swaroop.
2020· article· en· International Journal of Recent Technology and Engineering (IJRTE)· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
12
citations
venueno affnon étiqueté
Reflection on MOOC Design in Palestine
Saida Affouneh, Katherine Wimpenny, Ahmed Ra'fat Ghodieh, Loay Abu Alsaud, Arij Abu Obaid
2018· article· en· The International Review of Research in Open and Distributed Learning· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
12
citations
venueno affnon étiqueté
Frugal MOOCs
Mariam Shah, David Santandreu Calonge
2017· article· en· The International Review of Research in Open and Distributed Learning· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
12
citations
fundno affnon étiqueté
Patterns of persistence
John Whitmer, Eva Schiorring, P. R. James
2014· article· en· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
12
citations

En coulisses: Sélection · Constats · À propos