MétaCan
Menu
Retour à la cohorte
Enregistrement W1601093437

Innovations in Teacher Development for the Knowledge Age

2005· article· en· W1601093437 sur OpenAlexaboutno aff
Mary Lamon, Thérèse Laferrière, Paul Resta, Di Wu, M. Prevanas, Michael Barber

Notice bibliographique

RevueThe HKU Scholars Hub (University of Hong Kong) · 2005
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Technology Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRelevance (law)Context (archaeology)PedagogyTeacher educationSociologyMathematics educationKnowledge managementPublic relationsPolitical sciencePsychologyComputer scienceGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Lamon is a senior research scientist with the Institute for Knowledge Innovation and Technology (IKIT) and the Ontario Institute for Studies in Education of the University of Toronto. She has been with IKIT since 1996 where she was involved in the Canadian Telelearning National Centres of Excellence program designed to research information and communications technology development in K-12 education. Previously, Lamon directed the international Schools for Thought program, that integrated cognitive research from OISE/UT, Vanderbilt University and the University of California at Berkeley. \n \nLamon received a PhD in experimental cognitive psychology from the University of Toronto. Her research as a McDonnell post-doctoral fellow led to research in elementary classrooms where students in CSILE classrooms were encouraged to become self-directed, intentional and reflective learners. Lamon is currently researching the evolution of knowledge building communities, the development of teacher expertise, and on how knowledge building & the creation of improvable artifacts increase literacy as a by-product. She is also working on Scardamalia's “Beyond Best Practice” initiative designed to study and promote innovation across sectors, ages and countries.

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)0,005
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,012
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,010
Communication savante0,0080,007
Science ouverte0,0010,005
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,046
Tête enseignante GPT0,310
Écart entre enseignants0,264 · 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

Citations0
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe HKU Scholars Hub (University of Hong Kong)Même sujetEducation and Technology IntegrationTravaux en français237 207