MétaCan
Menu
Retour à la cohorte
Enregistrement W1599629239

E-science, E-research and E-learning: New Perspectives for Graduate Studies

2007· preprint· en· W1599629239 sur OpenAlexaff
France Henri, François Bédard, Nicola Hagemeister, Ghislain Lévesque, Boualem Kadri, Lysanne Lessard

Notice bibliographique

RevueAmericanae (AECID Library) · 2007
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueDoctoral Education Challenges and Solutions
Établissements canadiensUniversité TÉLUQUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésCollaboratoryQuality (philosophy)Engineering ethicsGraduate educationKnowledge managementComputer sciencee-ScienceGraduate studentsSociologyPedagogyEngineeringWorld Wide WebEpistemology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Abstract: The quality of education for doctoral students is closely linked to the quality of the research they undertake. Benefiting from technological advances, new distributed and collaborative research practices can be witnessed. The concept of e-science has emerged and evolved to the concept of e-research. These concepts bring about a new research philosophy and the notion of collaboratory. Our research project aims to develop a renewed doctoral training approach and to facilitate researchers ' adoption of new research practices which will then be reinvested in the training of future researchers. Three general objectives have been defined: the rethinking of instructional model and objectives of doctoral training, the development of new technologyenhanced research practices and their reinvestment in graduate studies, and the development of approaches and methodological tools to support the preceding objectives. This paper presents the results of the first of a three year project. Context Most current research agrees on the pedagogical factors responsible for student loss and the excessively long duration of doctoral studies. Studies which investigate students ’ opinions indicate that the academic experience has a significant influence on their decision to abandon their studies (Gemme & Gingras 2006; Golde & Dore 2001).

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)0,021
score de la tête « metaresearch » (Gemma)0,009
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0090,047
Communication savante0,0210,029
Science ouverte0,0020,014
Intégrité de la recherche0,0100,015
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,652
Tête enseignante GPT0,648
Écart entre enseignants0,004 · 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
GenreEmpirique

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

En bref

Citations1
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmericanae (AECID Library)Même sujetDoctoral Education Challenges and SolutionsTravaux en français237 207