MétaCan
Menu
Retour à la cohorte
Enregistrement W1527535341 · doi:10.1186/s41039-015-0010-4

Emerging trends for open access learning

2015· editorial· en· W1527535341 sur OpenAlexaff
Rachid Benlamri, Fanny Klett

Notice bibliographique

RevueResearch and Practice in Technology Enhanced Learning · 2015
Typeeditorial
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésEmployabilityOpen learningInformal learningKnowledge managementMultidisciplinary approachWorkforceEducational technologyHigher educationOpen educationFace (sociological concept)Formal learningEngineering ethicsPublic relationsComputer scienceSociologyCooperative learningPedagogyPolitical scienceTeaching methodEconomic growthEngineeringEconomicsSocial science

Résumé

récupéré en direct d'OpenAlex

This special issue is dedicated to recent opportunities, trends, and expectations that the emergent number of institutions and governments, exploiting the open learning concept, face in designing and providing open education that is striving to shape the new environment for formal and informal education. The open learning concept embraces not only various definitions but also diverse directions conveying many opportunities for educational arrangements. Facing the need for a sustainable economy, and higher employability, governments progressively experience the pressure toward ensuring a qualified and retaining competitive workforce. There is a high demand for education settings where learners are not able to formally attend courses but experience the need to enhance their knowledge and skills. The open learning concept reflects not only educational but also business and societal issues, as well as visions and expectations. We address with this special issue innovative solutions and emerging trends in the area of open learning that comprise complex multidisciplinary fields of knowledge drawing a line between the needs of various learners in terms of accrediting current and desired level of skills and knowledge as well as of numerous institutions striving to provide education on a broad and competitive basis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante, Science ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,034
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0040,002
Études des sciences et des technologies0,0040,007
Communication savante0,0160,015
Science ouverte0,0040,005
Intégrité de la recherche0,0270,032
Charge utile insuffisante (le modèle a refusé de juger)0,0150,006

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 Opus0,094
Tête enseignante GPT0,533
Écart entre enseignants0,439 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

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

En bref

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch and Practice in Technology Enhanced LearningMême sujetOnline Learning and AnalyticsTravaux en français237 207