Decision Making in Interactive Learning Environments Towards an Integrated Model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Experimental research on decision making and learning in dynamic tasks with the use of computer-simulation-based interactive learning environments as DSS is analyzed. A conceptual model encompassing key elements of decision making: decision, decision maker, and decision making process is constructed. The model draws on two sources: (1) the dynamic decision making literature and (2) a relevant learning theory- cognitive apprenticeship. Departing from traditional dynamic decision making research focus on how poorly subjects perform in dynamic tasks, our model, through acquisition-of-expertise hypothesis, attempts to increase our understanding of the way in which expertise on dynamic decision making could be acquired through training with computer-simulation-based interactive learning environments. Cet article s'intéresse aux recherches menées sur la prise de décision et l'apprentissage assistés par ordinateur dans les situations dynamiques. Un modèle conceptuel rassemblant les éléments-clés de la prise de décision est proposé. Ce modèle est basé sur deux sources : 1) l'état de l'art dans le domaine de la décision dynamique et 2) les théories de l'apprentissage qui sont pertinentes dans ce cas. S'éloignant des etudes traditionnelles dans le domaine de la décision dynamique, qui sont basées sur l'idée que les acteurs ne savant pas bien se débrouiller dans ces situations, notre modèle cherche à prouver comment une expertise spécifique à de telles situations peut être acquise à l'aide d'une formation spécifique assistée par des outils informatiques interactifs utilisant la simulation. Keywords: Computer SimulationDynamic Decision MakingInteractive Learning EnvironmentsDynamic TaskStructural KnowledgeHeuristics KnowledgeMots clés: simulationdécision dynamiqueoutils de formation interactifsconnaissanceheuristiques
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.
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 | 0,029 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,000 |
| 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 découle