Building for the future by expatiating the past: high drama from the summit of China’s learning mountain
Notice bibliographique
Résumé
As part of a large‐scale learning initiative, the Chinese Communist Party has declared Lushan to be a ‘learning mountain’. There have been people learning at Lushan Mountain for 2000 years. In 1959 there was a Central Committee meeting at Lushan, where Mao Zedong purged his widely respected comrade Peng Dehuai for daring to say people were starving because of the Great Leap Forward. Everyone knew Peng spoke the truth but few dared antagonize the Chairman. Today the 1959 purge of Peng is seen as the end of comrades and consensus and beginning of dictatorship. There were other tumultuous meetings there in 1961 and 1970. Hence, reconstructing Lushan as a learning mountain is an attempt to expatiate the past and build a more humane future. In addition, putting learning at the top of the mountain brings tourists! The authors analyze the Chinese learning initiative and describe the political significance of Lushan. Theoretically, the learning mountain is shaped by Jiang Zemin’s ‘three represents’, first‐generation (Faure report) lifelong education and, most surprisingly, humanist/interpretivism. At Lushan, the 21st century might best be assured by learning from the first century. Zhu Xi was wise and, 2000 years ago, not enthused by learning in schools. Now as then, why go to school when you can learn on a mountain?
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,018 | 0,006 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».