MétaCan
Menu
Retour à la cohorte
Enregistrement W2512646506 · doi:10.5539/ijef.v8n9p234

The Visual “Big Picture” of Intermediate Macroeconomics: A Pedagogical Tool to Teach Intermediate Macroeconomics

2016· article· en· W2512646506 sur OpenAlexvenueno aff
Seyyed Ali Zeytoon Nejad Moosavian

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovations in Educational Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOrder (exchange)MacroeconomicsGRASPEconomicsAggregate (composite)Computer scienceFinance

Résumé

récupéré en direct d'OpenAlex

The primary purpose of this paper is to introduce a holistic, visual “big picture” of the concepts and diagrams that are commonly covered in the course of intermediate macroeconomics. Intermediate macroeconomics discusses numerous concepts and diagrams in order to finally show how aggregate supply (AS) and aggregate demand (AD) are derived in an economy. A further learning objective defined for the intermediate macroeconomics course is to enable students to investigate the overall effects of macroeconomic policies on AS and AD in the economy. In order to better attain the aforementioned learning objectives, the present paper proposes a visual “big picture” which can be applied as a pedagogical tool in teaching intermediate macroeconomics classes. This visual “big picture” logically connects twenty-seven macroeconomic diagrams which are usually introduced in the intermediate macroeconomics course, and also describes the general pattern and overall structure of macroeconomics in terms of four separate markets in a visual way, namely labor market, capital market, money market, and goods market. Finally, it is suggested that this visual “big picture” should be provided to the students taking the course of intermediate macroeconomics so that they can readily grasp the logical order of the concepts and the underlying complex structure of the markets that are discussed in the course.

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)0,005
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0010,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0270,006

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 Opus0,040
Tête enseignante GPT0,383
Écart entre enseignants0,343 · 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
GenreMéthodes

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

En bref

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetInnovations in Educational MethodsTravaux en français237 207