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 and Blended Learning
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.

3 545 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.
3 545 travaux dans la cohorte · sur 4 299 418page 49 sur 71

Les étiquettes couvrent 14 des 3 545 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 3 545 des 3 545 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.

affsans résuménon étiqueté
Using Tools to Enhance Achievement in Online Study
Rob McTavish
2011· article· en· E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education· Social Sciences
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Novices satisfaction with e-learning of EXCEL
Samir Larhib, Michel Plaisent, Prosper Bernard, Lassana Maguiraga
2004· article· en· Society for Information Technology & Teacher Education International Conference· Social Sciences
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
What I've Learned in University 101
Carlie McKenzie
2012· article· en· Divergent/Convergent· Social Sciences
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
E-Learning as Nation Building
Marco Adria, Katy Campbell
2007· book-chapter· en· IGI Global eBooks· Social Sciences
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
EvaICT: A Knowledge Base to Assess ICT Learning Environments
Aude Dufresne, Jacques Raynauld, Emmanuelle Villiot-Leclerc
2005· article· en· EdMedia: World Conference on Educational Media and Technology· Social Sciences
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Nugget Notes: A Simple Teaching Tool
Kirk Plangger, Michael Parent
2015· book-chapter· en· Developments in marketing science: proceedings of the Academy of Marketing Science· Social Sciences
prédiction machine:candidate · insufficient_payloadconsensus · aucune
0
citations
fundno affnon étiqueté
Blended Learning Makes Customizable Learning a Reality
Jean Adams, Rita Hanesiak, Gareth Morgan, Ron Owston, Denys Lupshenyuk, Laura Mills
2010· article· en· York University Digital Library (York University)· Social Sciences
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Technology Drives Learning - Learning Never Ends
Fern Snart, Mike Carbonaro, Cheryel Goodale
2002· article· en· EdMedia: World Conference on Educational Media and Technology· Social Sciences
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
A Classroom of One is a Community of Learners
Katherine J. Janzen, Beth Perry, Margaret Edwards
2022· article· en· Journal of Invitational Theory and Practice· Social Sciences
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
ICT Ecologies of Learning:
Jenny Arntzen, Don Krug
2011· book-chapter· en· IGI Global eBooks· Social Sciences
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
City University of New York: Digital Classroom Project
Christina W. Charnitski, Carol E. Dowling
2007· article· en· Society for Information Technology & Teacher Education International Conference· Social Sciences
prédiction machine:candidate · insufficient_payloadconsensus · aucune
0
citations
affnon étiqueté
Upload, Download, Overload!
Lena Paulo Kushnir, Kenneth Berry
2012· book-chapter· en· IGI Global eBooks· Social Sciences
prédiction machine:candidate · aucuneconsensus · aucune
0
citations

En coulisses: Sélection · Constats · À propos