MétaCan
Menu
Retour à la cohorte
Enregistrement W1999851514 · doi:10.1353/dss.2008.0075

Teaching Aristotle in Indonesia

2008· article· en· W1999851514 sur OpenAlexaboutno aff
Carlos Fraenkel

Notice bibliographique

RevueDissent · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAsian Studies and History
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésnobodyIndonesianSociologyIslamMedia studiesLawPublic relationsSocial sciencePolitical scienceHistory

Résumé

récupéré en direct d'OpenAlex

Getting from Montreal to Makassar is not a picnic. During the thirty-six hours my partner and I spend in transit, we debate whether it is more important to teach public health or philosophy in Indonesia, because this is the reason for our three-week trip to the capital of the Indonesian province of Sulawesi. We both teach at McGill University: my partner is a medical doctor, specializing in public health; I'm a historian of philosophy, working, among other things, on Muslim and Jewish thought. The classes we give at Alauddin State Islamic University—one of fourteen academic institutions in Indonesia that make up the public system of Islamic higher education under the auspices of the ministry of religious affairs—are part of a McGill-based Indonesia Social Equity Project, funded by the Canadian International Development Agency (CIDA). Nobody denies the usefulness of teaching medicine and public health, especially in a developing country. But why does CIDA send a philosopher instead of a second doctor or, for that matter, a social worker, an engineer, or an economist? Someone, in other words, whose expertise is of immediate use for improving the living conditions of Indonesians? Most people—in Indonesia and elsewhere—don't even know that the problems philosophers turn over in their minds exist. Much less do they feel the need to understand or resolve them. Are their lives any less happy for that reason? Many would say that the opposite is the case.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,032
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0100,012
Communication savante0,0040,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,024
Tête enseignante GPT0,302
Écart entre enseignants0,277 · 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

Citations14
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDissentMême sujetAsian Studies and HistoryTravaux en français237 207