Commentary on: Simon, B., Dolog., P., Miklós, Z., Olmedilla, D. and Sintek, M. (2004). Conceptualising Smart Spaces for Learning
Notice bibliographique
Résumé
A Sm a rt Space for Learning (SSL) is a proposed software application system s u p p o rting access to individualized learning materials and experiences using Pe r s o n a l Learning Assistants (PLAs).PLAs are intelligent agent software applications that aid the learner in searching for re l e vant content across a distributed network.They hold the promise of harnessing the power of the network to break the cost barriers that h a ve restricted learning environments to time-and location-dependent cohort g roups.Using SSL, individual learners should be able to navigate their way thro u g h the large mass of materials available on the World Wide Web and build themselves a c o h e rent and cohesive learning plan that is independent of time and place.These personal learning services re p resent the "Holy Gr a i l" in education.For the first time, thanks to the Semantic We b, large masses of learners using online learning applications and services will be able to access "p e r s o n a l i ze d" learning opport u n i t i e s that are at the same time appropriate and re l e vant to their individual or gro u p learning needs.Since the dawn of mass education in the nineteenth century, the only economically rational means of mass education has been the cohort model in which students have been "herd e d" and grouped by age or academic interest into education factories or schools (Thornburg, 1992).Howe ver from the time of Bathe (1611) and Comenius (1631), enlightened educators have been extolling the virtues of learning materials, activities, and e n v i ronments made re l e vant to the experiences of the individual learner.Up to the p resent it has not been possible to support this learning model in a cost-effective w a y, and so cohort-based learning continues to pre d o m i n a t e .For centuries traditional classroom-based courses and more recently industrialize d distance education models have dominated the educational landscape.Pa s s i ve i n s t ruction through correspondence courses, which emerged in the nineteenth c e n t u ry re q u i red self-study skills and self-discipline to ove rcome the lack of support and mentoring available in the classroom.Twentieth century video/televised courses, aimed at large numbers of learners individually, or assembled in groups, incorporated C o m m e n t a ry on:
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».