MétaCan
Menu
Retour à la cohorte
Enregistrement W1524313712

Van schoolbord via whiteboard naar blackboard

2006· article· nl· W1524313712 sur OpenAlexaboutno aff
H.W.M. Joosten

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2006
Typearticle
Languenl
DomaineSocial Sciences
ThématiqueEducation and Technology Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArtTheologyHumanitiesPhilosophy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Onderwijzen is een prachtig vak, maar het heeft zijn schaduwzijden. En die schaduwzijden zitten wat mij betreft vaak in het repetitieve karakter van bepaalde taken: het beantwoorden van vragen die voor de vierde maal worden gesteld, het uitleggen van een stukje theorie aan het zesde gezelschap die dag of het nakijken van 350 tentamens. Ik ben dan ook blij dat het accent van de taak van de onderwijzer verschuift van het overdragen van kennis naar het organiseren van het leerproces van de student. Bij het laatste past dat je de ter beschikking staande middelen efficiënt en effectief gebruikt om studenten aan het werk te houden, meer dan dat je je uitput door alles zelf en herhaaldelijk te doen. Zogenaamde digitale leeromgevingen (dlo's) kunnen hierbij een nuttige functie vervullen. Dlo's zijn - kort gezegd - computerprogramma's (meestal gekoppeld aan het intra- of internet) die het mogelijk maken dat studenten van elkaar of van de docent leren zonder op het zelfde moment fysiek in dezelfde ruimte te zitten. Dlo's worden al een tiental jaren gebruikt in het onderwijs en hun functionaliteit is voortdurend uitgebreid. Waren het aanvankelijk een soort veredelde e-mail- of database-programma's, tegenwoordig is alles mogelijk wat ook elders op het web mogelijk is, inclusief alle interactieve en multimediale elementen. Soms wordt dan wel gesproken over e-learning, al heeft dat verschijnsel een grotere vlucht genomen in landen waar afstanden een grotere hindernis vormen dan in Nederland, zoals Canada.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,552
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
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 Opus0,014
Tête enseignante GPT0,276
Écart entre enseignants0,262 · 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.

Devis d'étudeSans objet
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
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)Même sujetEducation and Technology IntegrationTravaux en français237 207