MétaCan
Menu
Retour à la cohorte
Enregistrement W2154445056

Collaborative Learning: Research Simulator

2006· article· en· W2154445056 sur OpenAlexaff
Kewal Dhariwal

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésPaceThe InternetNegotiationKnowledge managementComputer scienceBusinessWorld Wide Web
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

What: This paper reports on the results of participative action research by multiple teams of participants who played various roles and fostered the evolution of an integrated research and business simulation environment by sharing data, making decisions visible and discussing solutions in both a competitive and a collaborative environment. Why: Collaborative Networked Learning is needed for the training of effective management and operation of global corporate entities and in understanding the value of integrating information systems between organizations that collaborate and compete with each other in different times and markets. This is necessary since competition, in business today, is between supply chains of competing collectives of organizations, each seeking a larger market share and bigger profits and where changes in partnerships come at an ever increasing pace. Who: Managers, students, tutors & administrators of classroom, online courses, and boardroom based professional development programs. When: During the period July 2003-December 2005 using the simulator located at www.sccori.com Where: In online courses, residential programs, in bricks and mortar classrooms and in the boardrooms of major corporations. How: Using an internet browser-based online business simulator and internet communications tools allowing participants to play the roles of Retailer, Wholesaler, Distributor and Manufacturer in a number of business simulations with variable parameters. Participants experience simulations and learn by doing, build problem solving skills, develop strategies, plan, negotiate, share, build trust and implement solutions. Results: The networked management learning business simulator improves the systems dynamics models from MIT and the Systems Dynamics Society by at least two orders of magnitude. Results indicate that participants move from an individualistic competitive stance to a collaborative team-based solutions focus to threats and problems faced by their supply chain during increasingly challenging business simulations.

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)0,011
score de la tête « metaresearch » (Gemma)0,028
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,103
Score d'incertitude au seuil0,343

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,028
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0040,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,1030,052

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 Opus0,055
Tête enseignante GPT0,423
Écart entre enseignants0,368 · 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
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

Citations0
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetKnowledge Management and SharingTravaux en français237 207