Knowledge and object phylogenetic production cascades --the TELOS case
Notice bibliographique
Résumé
In the unitary design of systems involving people, objects, processes and concepts, the engineering acquires a hybrid character, requiring the coagulation between the contributions based on diverse expertises and posing coordination and communication problems inside mixed design teams. The LORNET project federates research institutions from Canada for the construction of a “middleware” supporting technical and semantic inter-operation between campuses and repositories distributed on the Internet. It is a double challenge: an effort of concurrent research for instrumenting the instructional concurrent engineering. Observing the circle between “doing by learning” and “learning by doing”, activity coordination systems can be enriched with a “semantic layer” (facilitating the procedures execution by alleviating their comprehension and learning). Reciprocally, the production and management of distributed pedagogical activities require collaborative procedure modelling and orchestration. This paper is addressed to those seeking different perspectives in dealing with complexity. I summarize it as follows: mixing the management of persons, objects, processes and knowledge; using the procedures' models for their orchestration; approaching a “4d” vision for extending the observation of short process (“ontogenetic” and “physiological”) to those of long-term evolutions; unitary management of phylogenetic cascades-reproducing structures and processes-based on metafunctions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,016 |
| Communication savante | 0,013 | 0,017 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».