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
E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education
Sujet
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.

491 résultats · 1 filtre actif ·
Résultats par année
20022019
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.
491 travaux dans la cohorte · sur 4 299 418page 6 sur 10

Les étiquettes couvrent 1 des 491 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 491 des 491 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
Back to Basics: Hybrid Learning and Comfortable Computing.
Raj Boora
2004· article· en· E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Use of Technology for Learning: Impact on Cognition and Culture
Madhumita Bhattacharya
2008· article· en· E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Extending the E-Learning Experience by Using Mobile Technology
Kathryn Mac Callum, Lynn Jeffrey, Kinshuk Kinshuk
2007· article· en· E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
From the Global to the Local: New Policies for New Technologies
Brian Lewis, Jennifer Jenson, Richard Smith
2002· article· en· E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education· Business, Management and Accounting
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
A Note On Language-Centered eLearning Analytics
Noureddine Elouazizi
2013· article· en· E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
How do readers respond to social text signals
Andrew Chiarella
2011· article· en· E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Electronic Learning Modules for Human Physiology
Kirk Hillier
2011· article· en· E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education· Psychology
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
aboutno affnon étiqueté
Supporting a Blended Learning Course by Podcasting
Michael Zeiller
2009· 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
Tele-rehabilitation Assisted Clinical Education (TRACE) Project
Trisha Parsons, Kathleen E. Norman
2010· article· en· E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education· Medicine
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
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
The Veltic Hypermedia System: A Solution for Sharing Best Practices Online
Hélène Fournier, Claire IsaBelle, Rodrigue Savoie, Phyllis Dalley, François Desjardins
2008· 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
Evaluation of a High-end Distance Delivery MBA Program
D. R. Dicks
2002· article· en· E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education· Business, Management and Accounting
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
aboutno affsans résuménon étiqueté
E-Learning in British Columbia
Justine Bizzocchi
2005· 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
A Systematic Comparative Analysis of MOOC Participant Profiles
Bruno Poëllhuber, Normand Roy, Ibtihel Bouchoucha
2015· article· en· E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
E-Learning that Adapts to the Learner
Jutta Treviranus
2002· 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

En coulisses: Sélection · Constats · À propos