MétaCan
Menu
Retour à la cohorte
Enregistrement W2484068453 · doi:10.4018/978-1-4666-2667-6.ch004

Capacity Building for Different Abilities Using ICT

2012· book-chapter· en· W2484068453 sur OpenAlexaff
Ina Freeman, Aiofe Freeman

Notice bibliographique

RevueIGI Global eBooks · 2012
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovative Approaches in Technology and Social Development
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésInformation and Communications TechnologyPopulationWork (physics)BusinessPublic relationsEconomic growthMarketingPsychologyEngineeringPolitical scienceMedicineEconomicsEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Social enterprises are expected to contribute to the well-being of society. One way this is done is through assisting individuals to become productive citizens. For those enterprises that work with individuals with disabilities, this is accomplished through education and assistance with various daily tasks. The disability population is increasing as the population ages and faces an increased potential for disability through disease and biological events as well as higher rates of diagnosis of developmental disability throughout the life span. When coupled with the increasing integration of individuals with disabilities into the community, there is a greater need for ways by which these individuals are included and supported. While technology is prevalent in today’s society, there is little training for those working with clients and little money to purchase the technology, leading to limited access. With few purchasers, little effort is expended to enhance the accessibility of existing technology and create more productive forms of technology. To decrease the costs to society, the role of social enterprises might research the necessary technology to further develop and facilitate the engagement of individuals with disabilities into society.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,077
Score d'incertitude au seuil0,259

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0060,007
Science ouverte0,0020,009
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0770,016

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 Opus0,067
Tête enseignante GPT0,257
Écart entre enseignants0,190 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIGI Global eBooksMême sujetInnovative Approaches in Technology and Social DevelopmentTravaux en français237 207