Prior learning assessment and recognition: Emergence of a Canadian community of scholars
Notice bibliographique
Résumé
Prior learning assessment and recognition (PLAR) is the practice of reviewing, evaluating, and acknowledging the information, skills, and understanding that adult learners have gained through experiential or self-directed (informal) learning rather than through formal education (Thomas, 2000). As our current economy and workplaces experience rapid and continuing change, PLAR offers a vital contribution to supporting lifelong and life-wide learning (Evans, 2000). Beyond significant benefits to individual adult learners in terms of confidence-building and enhanced reflective capacity, PLAR’s process translates personal and workplace learning into a portable format, a common coin suitable for public recognition in many different venues. PLAR has hence become an integral feature of lifelong learning policies around the globe and is closely linked with the implementation of national and transnational qualification frameworks (Morrissey et al., 2008). PLAR scholars have a vital role in ensuring that policy and practice in this important field is informed by innovative research. This brief report describes a workshop on scholarly PLAR research, held in Ottawa, Canada on November 6 and 7, 2010 with funding from the Social Sciences and Humanities Research Council (SSHRC).
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 | 0,055 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,015 |
| Études des sciences et des technologies | 0,026 | 0,039 |
| Communication savante | 0,021 | 0,011 |
| Science ouverte | 0,006 | 0,021 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».