MétaCan
Menu
Retour à la cohorte
Enregistrement W2337251837

Semantic Web and Linked Learning to Support Workplace Learning

2012· article· en· W2337251837 sur OpenAlex
Melody Siadaty, Jelena Jovanović, Dragan Gašević, Nikola Milikić, Zoran Jeremić, Liaqat Ali, Aleksandar Giljanović, Marek Hatala

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

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensAthabasca UniversitySimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésAffordanceInformal learningSocial learningKnowledge managementExperiential learningWorkplace learningCollaborative learningLearning sciencesSynchronous learningLearning environmentComputer scienceCooperative learningPsychologyPedagogyHuman–computer interactionWork (physics)EngineeringTeaching method
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In the last few years, the Social Web has offered new affordances for how learning is conceptualized and supported. Supporting workplace learning, however, faces specific challenges, some in particular due to its informal, contextual and social nature. The informal nature of workplace learning requires knowledge workers to be supported in their self-regulatory learning processes, whilst the social side draws attention to the role of collective in those processes. To address these challenges, in this paper we present Learn-B, a workplace learning environment. We also present how we developed and applied a common ontological foundation for the integration of our proposed learning services and existing tools in this environment. Categories and Subject Descriptors K.3.1 [Organizational Impacts] Computer-supported collaborative work Keywords workplace learning, organizational learning, self-regulated learning, linked data, semantic web technologies 1.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,949
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,032
Tête enseignante GPT0,312
Écart entre enseignants0,280 · 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

En bref

Citations14
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetKnowledge Management and SharingTravaux en français237 207