Rethinking GIS teaching to bridge the gap between technical skills and geographic knowledge
Notice bibliographique
Résumé
Teaching GIS in universities, over the last few decades, has often been applied in focus. Yet academic \nresearch is much more than application: epistemology, representation, critical GIS have been gaining an \nincreasing share of research. This trend is paralleled by increasing awareness and sophistication in the \nprofessional practice of GIS. Nonetheless, the increasing availability of spatial analytical techniques in \ncommercial and freeware GIScience software, not paralleled by an increased knowledge in GIScience \npractitioners, raises questions about the maturity of the GIScience user community and the potential \nconsequences of an incautious popularization. Appealing to the average GIScience user by means of \nfriendly interfaces, most analytical functions fail to keep a standard promise of GIScience software: guiding \nthe user through a safe path to a successful application. This lack of guidance is perceived as a gap, the \nconsequences of which range from discouragement to naïve or incorrect applications. Future GIScience \nprofessionals should be prepared to look beyond their software interface, and the discipline should strive to \nmaintain its own rules and make its own decisions when it comes to packaging their tools. A key role can \nand must by played by those who teach GIS in our universities, whose task id to form a generation of \nGIScientists, not simply of GIS technicians.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».