MétaCan
Menu
Retour à la cohorte
Enregistrement W1620202553 · doi:10.3968/j.hess.1927024020140601.3833

Problems of Non-Intelligence Factors During College Students Training

2014· article· en· W1620202553 sur OpenAlexvenueno aff
Liang Cui

Notice bibliographique

RevueHigher education of social science · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIdeological and Political Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnthusiasmPsychologyIdeologyPersonalityProcess (computing)CognitionOrder (exchange)Training (meteorology)Mathematics educationPoliticsSocial psychologyPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

As society develops and time progresses, in order to achieve comprehensive and free development, college students need not only a strong ability to learn, but also the right motivation, a strong interest, full enthusiasm, strong perseverance in learning as well as a healthy personality. Among which, motivation, interest, emotion, will, character and others are considered non-intelligence factors. In the process for young students to grow up and become a useful person, training for non-intelligence factors not only help college students establish the correct direction and goals, but also help them go from motivation to purpose, from cognition to practice. It encourages them to persevere and advance consistently toward their established goals. Thus, the various issues that arose in the course of training college students for non-intelligence factors have become one of the topics that draw increasing attention from college ideological and political education workers.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,938
Score d'incertitude au seuil0,602

Scores Codex et Gemma par catégorie

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

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 Opus0,053
Tête enseignante GPT0,393
Écart entre enseignants0,340 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHigher education of social scienceMême sujetIdeological and Political EducationTravaux en français237 207