MétaCan
Menu
Retour à la cohorte
Enregistrement W155249502

Using PowerPoint in the Finance Classroom: Pros, Cons, and Recommendations

2002· article· en· W155249502 sur OpenAlexaff
Kent L. Womack

Notice bibliographique

RevueSSRN Electronic Journal · 2002
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovations in Educational Methods
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPresentation (obstetrics)Blackboard (design pattern)Computer scienceClass (philosophy)SoftwareMultimediaWorld Wide WebWord processingSoftware engineeringArtificial intelligenceOperating system
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The advent of personal computer technology in the last two decades has brought with it new opportunities for pedagogy. While the principles of good pedagogy are essentially timeless, the cosmetic delivery of the message through course files and web pages, intra-net servers, and presentation software has become more sophisticated and certainly more efficient. For those who are considering a switch to PowerPoint, this paper makes recommendations on getting up the learning curve efficiently, including recommendations on additional hardware and software devices that make developing and presenting easier. At the entry level, PowerPoint is hardly more than a page-based word processing program. However, using its advanced features, it provides a highly professional system for class note organization and electronic delivery that can dominate the standard tools (transparencies and blackboard) of prior decades for some types of teaching. Not surprisingly, the use of PowerPoint has strengths and weaknesses, depending on the teaching style the professor employs. PowerPoint is least effective in a case-based environment and most effective when it is used to produce course notes, which supplement or replace a textbook, or background bullet points for a lecture.

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)0,013
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,030
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,003
Communication savante0,0050,010
Science ouverte0,0030,003
Intégrité de la recherche0,0060,005
Charge utile insuffisante (le modèle a refusé de juger)0,0100,004

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 Opus0,071
Tête enseignante GPT0,404
Écart entre enseignants0,333 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetInnovations in Educational MethodsTravaux en français237 207