Knowing what was done: uses of a spreadsheet log file
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Spreadsheet use in educational environments has become widespread, likely because of the flexibility and ease of use of these tools. However, they have serious shortcomings if the teacher is to understand exactly what students or others have done. It is far too easy for students to replace a formula that gives an apparently unacceptable answer with a number that they believe to be correct. The same concern applies to recorded marks, as well as to business spreadsheets and to other reports that are used for decision-making. While intentionally misleading changes to spreadsheet files receive much attention, simple mistakes are probably more common. Some of these, such as the Trans-Alta Utilities (Globe and Mail, 2003) cut and paste error that cost the firm $24 million (US), have extreme consequences. Few are merely embarrassing. A log file or audit trail, enhanced by suitable filters, can allow both intentional and accidental changes that cause erroneous results to be caught. In order to meet these requirements, we have developed server based software tool (âTellTableâ) which allows editing, version control, and auditing of spreadsheet files. Users connect to the server using a standard web browser, and are able to access and edit spreadsheet files in a Java applet in the browser window. TellTable has been used for a pilot study to maintain marks and course information for a multi-section courses with several instructions and teaching assistants. This paper describes the TellTable software and preliminary results of the pilot test.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle