MétaCan
Menu
Retour à la cohorte
Enregistrement W2146772354 · doi:10.1109/icpp.1999.797427

Development and application of a distance learning support system using personal computers via the Internet

2003· article· en· W2146772354 sur OpenAlexfundno aff
Takashi Yoshino, Jun Munemori, Takaya Yuizono, Yuya Nagasawa, Shohe Ito, Kazutomo Yunokuchi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensnon disponible
Organismes subventionnairesCentre québécois sur les matériaux fonctionnelsKagoshima University
Mots-clésBlackboard (design pattern)The InternetDistance educationBlackboard systemComputer scienceMultimediaHuman interface deviceFunction (biology)Interface (matter)Control (management)Human–computer interactionMathematics educationWorld Wide WebArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

A distance learning support system using the Internet for communication, which can support 40 personal computers, has been developed. The system supports audio and video communication channels. During Q&A sessions, the teacher and one student can communicate with each other through audio and video equipment. The system is also equipped with two shared cursors (one for the teacher the other for the students) and the Blackboard system and Note system for students. The system has been tested on three different kinds of classes (a lecture on human interface engineering, an exercise on applied mathematics II, and a lecture on high frequency engineering). The results of distance learning experiments suggested: (1) After applying the system to actual classes, we found that the system required the additional functions of a randomly controlled remote-control camera, card materials transfer and an interlocking market. (2) We found that student participants in distance learning felt as if they were in the same building as the teacher. Students wanted to take more distance learning classes, about six times out of 15 times on average. (3) There were seldom questions during school hours. We must improve the Q&A function to increase the number of questions from 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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,017
Tête enseignante GPT0,282
Écart entre enseignants0,265 · 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'étudeExpérimental (laboratoire)
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

Citations12
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOnline and Blended LearningTravaux en français237 207