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 3 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 volet Gemma est une étiquette directe du modèle pour chaque travail (titre seulement); le volet Codex est un classifieur distillé et calibré. Le mode candidate est l'union; le consensus est l'intersection.

venueno affnon étiqueté
Quality Frameworks and Learning Design for Open Education
Christian M. Stracke
2019· article· en· The International Review of Research in Open and Distributed Learning· Computer Science
prédiction machine:candidate · open_scienceconsensus · aucune
82
citations
venueno affnon étiqueté
Self- and Peer Assessment in Massive Open Online Courses
Wilfried Admiraal, Bart Huisman, Maarten van de Ven
2014· article· en· International Journal of Higher Education· Computer Science
prédiction machine:candidate · metaresearchconsensus · aucune
79
citations
venueno affnon étiqueté
Social Presence in Massive Open Online Courses
Oleksandra Poquet, Vitomir Kovanović, P. de Vries, Thieme Hennis, Srécko Joksimovíc, Dragan Gašević +1 autres
2018· article· en· The International Review of Research in Open and Distributed Learning· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
76
citations
affnon étiqueté
Driving data storytelling from learning design
Vanessa Echeverría, Roberto Martínez‐Maldonado, Roger Granda, Katherine Chiluiza, Cristina Conati, Simon Buckingham Shum
2018· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
76
citations
venueno affnon étiqueté
MOOCs and OER in the Global South: Problems and Potential
Monty King, Mark Pegrum, Martin Forsey
2018· article· en· The International Review of Research in Open and Distributed Learning· Computer Science
prédiction machine:candidate · open_scienceconsensus · aucune
74
citations
affnon étiqueté
StreamWiki
Zhicong Lu, Seongkook Heo, Daniel Wigdor
2018· article· en· Proceedings of the ACM on Human-Computer Interaction· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
72
citations
venueno affnon étiqueté
Investigating MOOCs through blog mining
Yong Chen
2014· article· en· The International Review of Research in Open and Distributed Learning· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
69
citations
fundno affsans résuménon étiqueté
MOOC—making and open educational practices
Laura Czerniewicz, Andrew Deacon, Michael Glover, Sukaina Walji
2016· article· en· Journal of Computing in Higher Education· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
69
citations
venueno affnon étiqueté
Goal Setting and MOOC Completion
Erwin Handoko, Susie Gronseth, Sara McNeil, Curtis J. Bonk, Bernard Robin
2019· article· en· The International Review of Research in Open and Distributed Learning· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
69
citations
venueno affsans résuménon étiqueté
Physics Education Research
G. W. F. Drake
2005· article· en· Canadian Journal of Physics· Computer Science
prédiction machine:candidate · insufficient_payloadconsensus · aucune
65
citations
affsans résuménon étiqueté
Innovations in Smart Learning
Elvira Popescu, Kinshuk Kinshuk, Mohamed Koutheaïr Khribi, Ronghuai Huang, Mohamed Jemni, Nian‐Shing Chen +1 autres
2016· book· en· Lecture notes in educational technology· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
62
citations
affnon étiqueté
Setting learning analytics in context
Rebecca Ferguson, Doug Clow, Leah P. Macfadyen, Alfred Essa, Shane Dawson, Shirley Alexander
2014· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
62
citations

En coulisses: Sélection · Constats · À propos