MétaCan
Menu
Retour à la cohorte
Enregistrement W2733772630 · doi:10.47125/jesam/2017_1/08

Adaptive Capacity Index of Public Schools in the Municipalities of Bay and Los Baños, Laguna, Philippines

2017· article· en· W2733772630 sur OpenAlexaff
Gregorio Y. Ardales, Maria Victoria O. Espaldon, Rodel D. Lasco, Maria Ana T. Quimbo, Oscar Zamora

Notice bibliographique

RevueJournal of Environmental Science and Management · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Vocational Training
Établissements canadiensInnovation Cluster (Canada)
Organismes subventionnairesDivision of Human Resource Development
Mots-clésLivelihoodIndex (typography)BayAdaptive capacityAsset (computer security)Psychological interventionGeographyBusinessPsychologyComputer scienceEcology

Résumé

récupéré en direct d'OpenAlex

An instrument to measure School Adaptive Capacity Index was developed using livelihood assets and school management as the main determinants using the theory driven approach to indicator development. Randomly selected teachers from the 38 public elementary and high schools from Bay and Los Baños Laguna, grouped according to the effects of floods experienced, were interviewed. It was found that the schools in general were highly adaptive. High schools have better human and physical assets than elementary schools, while non-flooded schools have better natural assets than flooded schools. SACI of high schools were significantly higher than elementary schools. On the other hand, flooded and non flooded schools have more or less the same SACI. School management and social assets were vital in increasing the adaptive capacity of schools in the different groups. Scores in a particular asset may vary between groups and within each group implying that there is no uniform approach to improving the adaptive capacity and that interventions should always consider the uniqueness among each of these schools. The instrument developed is highly recommended to assess the institutional adaptive capacities of other schools to floods.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,113
Tête enseignante GPT0,344
Écart entre enseignants0,232 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Science and ManagementMême sujetEducation and Vocational TrainingTravaux en français237 207