Notice bibliographique
Résumé
It is undeniable that distance learning has grown rapidly over the past five years. With over 12 billion dollars spent on online learning in 1998 (Burgess & Russell, 2003) and a growth rate of 30%-40% per year since then (Harper, Chen, & Yen, 2004; Hurst, 2001; Newman, 2003), it is safe to say that distance education is firmly established in many businesses and universities. One well-established advantage of distance learning is that a student controls the time, pace, and pathway of learning (Burgess & Russell, 2003; Pierrakeas, 2003). This control over learning is very appealing to a user, particularly when customized or just-in-time support is readily available (Harper, Chen, & Yen, 2004). Providing effective, timely support, though, puts considerable strain on instructors and tutors, if they are available (Harper et al., 2004; Levine, 2003; Wallace & Wallace, 2001). It is challenging to provide just-in-time help because delay is inevitable. The use of e-mail or online discussion necessitates a time lag between question and response. Instant messaging systems (IMS) are another option, however, it is cost prohibitive to have instructors and tutors available 24 hours a day, 7 days a week. Furthermore, IMS might be limited in the type of question that could be answered – complex formulas and equations, for example, are difficult to explain using this medium.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,127 | 0,042 |
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 source (Gemma direct ou Codex distillé), 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 ».