Notice bibliographique
Résumé
Many applications and tools have been developed to support the design and delivery of distance learning courses. Unfortunately, many of these applications have only cursory provisions for security and privacy, such as authentication based only on user id and password. Given the increased attacks on networked applications and the increased awareness of personal privacy rights, this situation is unacceptable. Indeed, electronic services of all kinds, including distance learning, will never be fully successful until the users of these services are confident that their information is protected from unauthorized access and their privacy assured. In the literature, there are few papers dealing specifically with security and privacy for distance education. El-Khatib, Korba, Xu and Yee (2003) discuss security and privacy for e-learning in terms of legislative requirements, standards and privacy-enhancing technologies. Korba, Yee, Xu, Song, Patrick and El-Khatib (2004) investigate how security and privacy can promote user trust in agent-supported distributed learning. Yee and Korba (2003, 2004) discuss the use and negotiation of privacy policies for distance education. Lin, Korba, Yee and Shih (2004) describe the application of security and privacy technologies to distance learning tools. Yee, Korba, Lin and Shih (2005) present an approach for using context-aware agents to implement security and privacy in distance learning. Holt and Fraser (2003) discuss the psychological and pedagogical motivation for security and privacy.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».