Notice bibliographique
Résumé
Contents: B.K. Koegh, D.P. Hallahan, Introduction. D. Johnson, B.K. Keogh, The Lives and Careers of Bill and Dorothy Cruickshank. M.Y. Kibby, G.W. Hynd, Neurological Basis of Learning Disabilities. R. Kotkin, S. Forness, K.A. Kavale, Comorbid ADHD and Learning Disabilities: Diagnosis, Special Education, and Intervention. D. Sridhar, S. Vaughn, Social Functioning of Students with Learning Disabilities. L.S. Fuchs, D. Fuchs, Using Assessment to Account for and Promote Strong Outcomes for Students With Learning Disabilities. L. Meltzer, M. Montague, Strategic Learning in Students With Learning Disabilities: What Have We Learned? M.P. Weiss, J.W. Lloyd, Structure and Effective Teaching. J.B. Crockett, J.M. Kauffman, The Concept of the Least Restrictive Environment and Learning Disabilities: Least Restrictive of What? P.J. Gerber, Learning Disabilities: A Lifespan Approach. J. Elkins, Learning Disabilities in Australia. B.Y.L. Wong, N. Hutchinson, Learning Disabilities in Canada. G. Opp, Learning Disabilities in Germany. K. Wedell, British Orientations to Specific Learning Difficulties. M. Tsuge, Learning Disabilities in Japan. L.M. Stevens, W. van Werkhoven, Learning Disabilities in The Netherlands. I. Lundberg, T. Hoien, Reading Disabilities in Scandinavia. L. Bravo-Valdivieso, N.M. Muller, Learning Disabilities Studies in South America. S. Vogel, S. Reder, A Comparative Study of Self-Reported Learning Disabilities: Findings From the International Adult Literacy Survey.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,005 | 0,016 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».