MétaCan
Menu
Retour à la cohorte
Enregistrement W2252592440 · doi:10.55016/ojs/ajer.v60i4.56121

Introduction: From Shinjuku to River John: The Neoliberal Juggernaut, Efficiency, and Small Rural Schools

2015· article· en· W2252592440 sur OpenAlexvenueaboutno aff
Michael Corbett

Notice bibliographique

RevueAlberta Journal of Educational Research · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation Systems and Policy
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of CambridgeHarvard University
Mots-clésTrainNova scotiaRural areaSmall townGeographySociologyPolitical scienceArchaeologySocioeconomicsLaw

Résumé

récupéré en direct d'OpenAlex

It may seem a bit odd to begin an article that introduces a series of pieces about small rural schools in Canada, Norway and in Australia by referring to Tokyo’s Shinjuku Station; but that is how I want to begin. Shinjuku is the world’s busiest railway station, moving approximately 3.4 million people each day through its turnstiles. I was there last summer. One of the great ironies of being a scholar of rural education is that I am able to go to major urban centres to speak about my research in small rural places. Shinjuku is a fascinating place, remarkably efficient and a feat of modern engineering. I lived for a time in a small town, rural railway station with my family in southwestern Nova Scotia. My father was a railway stationmaster, and I worked my way through university laboring on track gangs in the summers. I love trains. I’m a bit of an efficiency expert because my experience working for the Canadian National Railway trained me to think in terms of safety and efficiency.

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 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)0,003
score de la tête « metaresearch » (Gemma)0,013
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,317
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,111
Tête enseignante GPT0,432
Écart entre enseignants0,322 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations4
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAlberta Journal of Educational ResearchMême sujetEducation Systems and PolicyTravaux en français237 207