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 9 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
Value for Learning as a Measure of Educational Software Effectiveness
Tracey L. Leacock, Margarita Karpilovsky-Aharon
2009· 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 at Riverview Health Centre
Helena M. Wall
2006· article· en· E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education· Social Sciences
prédiction machine:candidate · insufficient_payloadconsensus · aucune
0
citations
affsans résuménon étiqueté
Enhancing the Learning Experience with 3D Learning Objects
Michelle Kearns, Vienna Ly
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
Self-Regulated Teachers: Catalysts for Technology Integration
Ofra Aslan, Kelly Morris
2007· article· en· E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education· Psychology
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
'Moving Online': Faculty Development
Natasja Saranchuk, Heather Kanuka
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
Computerized Adaptive Testing for Intelligent Tutoring Systems
Janet Noye, Jane M. Fritz
2003· 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
Facilitating Access: Introductory Biology Classes Online
David G. Patriquin, Colleen Adl, Jennifer Van Dommelen, Carol E. O’Neil, Bill Freedman
2005· 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
POLO Anyone? Changing the Rules of the Game
Lynn Fujino, Raquel Collins
2011· 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
Designing and Implementing a Clinical Practice ePortfolio System.
Angela J Busch, Arlis M. McQuarrie, Vanina Dal Bello-Haa Dal Bello-Haa, Kalyani Premkumar, Ivy Tan
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
Blending community and authentic assessment in a hybrid course
Maggie Lattuca, Jean-Claude Provost, Adam Finkelstein
2007· 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
Ecologies for Open Learning: TOOLS at the University of Windsor
Christine Smith, Alan Wright
2012· article· en· E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education· Computer Science
prédiction machine:candidate · open_scienceconsensus · aucune
0
citations
affsans résuménon étiqueté
Applications of Decision Support Technologies on Learning
Lucila Pérez, Michel Plaisent, Prosper Bernard, Lassana Maguiraga
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
Web Presence in K-12 Education
Valerie Irvine, Dallas Hermanson
2010· 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
Teaching with Digital Technologies: A Case Study Using TPACK
Pamela Phillips, Roberta F. Hammett, Lisa St. Croix, Gerry White
2012· 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
Autonomous Student Modelling in Learning Management Systems
David Brokenshire, Vive Kumar
2003· 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
Designing for Persistence from the Margins
Kathy Snow
2013· 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
Breaking the unbreakable: addressing the need for cryptanalysis
William J. Hunter
2002· article· en· E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education· Biochemistry, Genetics and Molecular Biology
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affaboutsans résuménon étiqueté
Ontario Clinical Education Information Systems
Haig Baronikian, Audrey Danaher
2007· article· en· E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education· Health Professions
prédiction machine:candidate · insufficient_payloadconsensus · aucune
0
citations
affsans résuménon étiqueté
Creating and Editing an Electronic Book: Challenges and Opportunities
Madhumita Bhattacharya, Nada Mach, Mahnaz Moallem
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
The Architect of Learning
Nancy Stuewe
2013· 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
Are our preservice teachers prepared to teach in a digital age
Susan E. Gibson
2009· 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
affaboutsans résuménon étiqueté
Learning with 3D Content- Teaching with Inuit Artefacts
Denis Gadbois
2003· article· en· E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education· Health Professions
prédiction machine:candidate · aucuneconsensus · aucune
0
citations

En coulisses: Sélection · Constats · À propos