MétaCan
Menu
Retour à la cohorte
Enregistrement W2081877096 · doi:10.1057/palgrave.jors.2602070

A methodology to optimize foundation seminar assignments

2005· article· en· W2081877096 sur OpenAlexaff
Katherine Willoughby, Christopher Zappe

Notice bibliographique

RevueJournal of the Operational Research Society · 2005
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueScheduling and Timetabling Solutions
Établissements canadiensSaskatchewan Health Quality Council
Organismes subventionnairesnon disponible
Mots-clésFoundation (evidence)Computer scienceLiberal arts educationThe artsHeuristicMathematics educationOperations researchPsychologyArtificial intelligenceMathematicsVisual artsHigher educationHistoryArt

Résumé

récupéré en direct d'OpenAlex

First-year students entering the College of Arts & Sciences at Bucknell University (USA) are required to enroll in a first-year experience course called a foundation seminar during their first semester. A few months before arriving at Bucknell, students submit a prioritized list of foundation seminars of interest to them, given course descriptions of all available foundation seminar sections. Then, based on capacity and scheduling constraints, each student is assigned to a particular seminar. Currently, this assignment of students to specific seminars is carried out using both manual and heuristic methods. We propose to apply an optimization methodology to this interesting real-world problem in an attempt to determine assignments that better satisfy the highest preferences of entering first-year students.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,617
Tête enseignante GPT0,591
Écart entre enseignants0,025 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Operational Research SocietyMême sujetScheduling and Timetabling SolutionsTravaux en français237 207