MétaCan
Menu
Retour à la cohorte
Enregistrement W2165368100 · doi:10.1186/s40561-014-0001-8

Smart technology for self-organizing processes

2014· article· en· W2165368100 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueSmart Learning Environments · 2014
Typearticle
Langueen
DomaineNeuroscience
ThématiqueCognitive Science and Education Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésControl (management)Process (computing)CognitionCognitive scienceComputer scienceKnowledge managementPsychologyHuman–computer interactionArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Learning technology periodically undergoes changes in response to changes in the prevailing models of human cognition and learning. A major shift throughout the behavioral sciences that began in the 1980s is beginning to have effects at the level of classroom learning and its supportive technologies. Inspired by complexity theory, it is a shift that treats all learning and knowledge building as essentially self-organizing processes. The design challenge is not to control the self-organizing process, as some instructional approaches attempt to do, but to facilitate the emergence of higher-level outcomes—e.g., better explanations, more coherent understanding. To foster such higher-level emergents, smart technologies not only need to support people interacting productively with other people but also ideas interacting productively with ideas and feedback systems promoting engagement between people and ideas. This is in contrast to conceptions of smart technology that see it as providing increasingly precise centralized control over learning processes. Smart technology attuned to the emergent character of learning and thinking does not simply turn more control over to the learners but shifts the emphasis from control to productive interaction among learners, teachers, ideas, and technology.

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.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,652
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

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

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 Opus0,029
Tête enseignante GPT0,293
Écart entre enseignants0,264 · 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