MétaCan
Menu
Retour à la cohorte
Enregistrement W2139602444 · doi:10.1109/cie.2002.1185955

Approaches to peer-to-peer learning in the adult disadvantaged population

2003· article· en· W2139602444 sur OpenAlexaffabout
Larry Katz, Elizabeth Chang, Jacqueline Lyndon, Charles T. Scialfa, A. Rezaei, C. Aizenman, Gail Kopp

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésDisadvantagedProcess (computing)KinesiologyInstitutionKnowledge managementPopulationConceptual frameworkMultimediaMedical educationComputer sciencePedagogyEngineering managementSociologyEngineeringPolitical scienceSocial scienceMedicine

Résumé

récupéré en direct d'OpenAlex

This paper concerns the design of the Collaborative Open Learning Technologies (COLT) project, led by Dr. Larry Katz, Faculty of Kinesiology, University of Calgary. COLT partners include: Calgary Smart Communities, First Nations (Tsuu T'ina), and iW Technologies. In addition, Bow Valley College, a diversified secondary institution encompassing career training and upgrading, is a research partner providing students and research staff. The objective of the COLT project is to provide the adult, disadvantaged learner with the concepts needed for skills acquisition in computing and technology use, through collaborative approaches. This process will be supported by computer communications and multimedia technologies. Success will be defined by learners acquiring the requisite skills with improved conceptual understanding, and increased employment potential.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,348
Score d'incertitude au seuil0,473

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,160
Tête enseignante GPT0,398
Écart entre enseignants0,237 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetInnovative Teaching and Learning MethodsTravaux en français237 207