MétaCan
Menu
Retour à la cohorte
Enregistrement W1507514146 · doi:10.1109/oceans-genova.2015.7271773

The IEEE oceanic engineering society (OES) and promotion of oceanic STEM sport competitions

2015· article· en· W1507514146 sur OpenAlexaff
James S. Collins

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueTechnology Assessment and Management
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésParallelsClass (philosophy)HumanityPromotion (chess)Variety (cybernetics)World classEngineering ethicsEngineeringComputer sciencePolitical sciencePublic relationsArchitectural engineeringMechanical engineeringArtificial intelligenceLawPoliticsManufacturing engineering

Résumé

récupéré en direct d'OpenAlex

Advanced science, technology, engineering, and mathematics (STEM) are universally recognized as being pivotal to the advancement of humanity. STEM competitions promote the entry of youth into these fields in a very effective and at the same time very entertaining way. There are striking parallels between world class sport and STEM competitions that suggest that an in depth look at world class sport might lead to more effective worldwide promotion of STEM activity. Major world class sports induce great fervor, motivation, and interest in participants and observers. The fervor is strengthened by the ability to participate in chosen sports based on three characteristics or pillars, lifetime participation, international accessibility, and availability of a great variety of stimulating sporting possibilities. By designing STEM sport competitions with these three characteristics in mind, it is suggested in this paper that the fervor of participants can be maximized in their chosen field of activity. This paper will look in detail at the parallel relation between the characteristics of highly successful world class sport such as the Olympics and the fervor building potential possible in emulating those characteristics in STEM sports or competitions in the oceanic arena by an organization such as the IEEE OES.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,911
Score d'incertitude au seuil0,242

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,201
Écart entre enseignants0,188 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTechnology Assessment and ManagementTravaux en français237 207