MétaCan
Menu
← Retour à la cohorte
Enregistrement W2491464762 · doi:10.4018/978-1-4666-4979-8.ch050

Follow the Experts

2013· book-chapter· en· W2491464762 sur OpenAlexaff
Suzanne Gagnon, Pamela Lirio

Notice bibliographique

RevueIGI Global eBooks · 2013
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueInternational Student and Expatriate Challenges
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésIntercultural competenceBiculturalismIntercultural relationsPerspective (graphical)Competence (human resources)PsychologySociologyIntercultural communicationPedagogySocial psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

This chapter explores individual intercultural competence as an enacted capability developed through social interaction and experience with dominant local cultures and minority cultures. The authors employ a knowing-as-practice perspective, following Nicolini et al. (2003), and notions of tacit knowledge within particular domains (Sternberg et al., 1995), to suggest that the study of intercultural experts has potential to inform this area of knowledge. From this perspective, examining practice repertoires used by expert actors can provide a useful complement to cultural intelligence frameworks (Thomas & Inkson, 2004, Earley, 2002) for understanding individual intercultural competence. Drawing on emerging literature on biculturalism, this chapter introduces an approach to researching intercultural knowing-in-practice through a focus on one type of experts, in this case, a group of young, bicultural Canadians. The authors found emotion- and behavioral-based themes that informed these experts’ responses to intercultural scenarios, their responses to proposed in-situ practice. From the findings, the chapter suggests that management can learn about intercultural competence from such experts’ approaches to navigating intercultural conflicts.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge 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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,374
Score d'incertitude au seuil0,893

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,001
Communication savante0,0050,005
Science ouverte0,0010,005
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,3740,221

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 Opus0,041
Tête enseignante GPT0,306
Écart entre enseignants0,265 · 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.

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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIGI Global eBooks→Même sujetInternational Student and Expatriate Challenges→Travaux en français237 207→