Notice bibliographique
Résumé
Harry K. Wong , Rosemary T. Wong, (2009), The First Days of School – How to be an Effective Teacher, Singapore: CS Graphics Pte. Ltd. Ontario Public School Boards’ Association, (2009), What If? Technology in the 21 Century Classroom, Toronto: Leading Education’s Advocates Meg Ormiston, (2010), Creating a Digital-Rich Classroom – Teaching & learning in a Web 2.0 World, Bloomington: Solution Tree Press Mark Prensky, (2010), Teaching Digital Natives – Partnering for Real Learning, Thousand Oaks: Corwin Press Will Richardson, (2010), Blogs Wikis, Podcasts, and Other Powerful Web Tools for Classrooms, Third Edition, Thousand Oaks: Corwin Press Jeff Piontek, Blane Conklin, (2009), Blogs Wikis, Podcasts, Oh My!, Huntington Beach: Shell Education Mike Ribble, Gerald Bailey (2007), Digital Citizenship in Schools, Washington: ISTE Amy Benjamin, (2005), Differentiated Instruction Using Technology – A Guide for Middle and High School Teachers, Larchmont: Eye on Education Ontario Ministry of Education, (2010), Growing Success – Assessment , Evaluation, and Evaluation in Ontario Schools, Toronto: Queen’s Printer for Ontario William M. Ferriter, Adam Garry, (2010), Teaching the iGeneration – 5 Easy Ways to Introduce Essential Skills with Web 2.0 Tools, Bloomington: Solution Tree Press Ontario Ministry of Education, (2010), Student Success – Differentiated Instruction Educator Package, Toronto: Queen’s Printer for Ontario
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,012 | 0,008 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,517 | 0,468 |
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 ».