MétaCan
Menu
Retour à la cohorte
Enregistrement W2749785096 · doi:10.5539/mas.v11n9p92

Why Implement Distributed Systems in Municipal Music Schools in Colombia?

2017· article· en· W2749785096 sur OpenAlexvenueno aff
Leidy D. Ariza, Carlos R. Orjuela

Notice bibliographique

RevueModern Applied Science · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueE-Learning and Knowledge Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceUploadNetwork packetPublicationPlan (archaeology)Order (exchange)Government (linguistics)Protocol (science)MultimediaTelecommunicationsWorld Wide WebComputer networkBusinessAdvertising

Résumé

récupéré en direct d'OpenAlex

In Colombia, since 2003, the public policy "National Plan of Music for citizen Coexistence" has been implemented as a government measure, which provides music courses in each one of the country's municipalities. This plan does not take into account the use of technologies to share the experiences of each one of the schools.Taking into account the above- mentioned points, this article focuses its attention on the search of technologies that can be used to share multimedia content such as Content Delivery Network (CDN), Learning Management System (LCMS) and Distributed Systems in order to indicate which technology is the most appropriate to fulfill this purpose.In that sense, through the Wireshark tool, network traffic is captured for each one of the tests performed: Upload, display and deletion of videos for each configured technology (CDN, LCMS and Distributed Systems), having as comparison parameters the following aspects: Real-time Traffic, Total Traffic Vs Packet Loss, Communication Exchange and Protocol Hierarchies. After doing that, we proceed to take statistics to be analyzed and obtain the comparative results that are needed for this research.Finally, one can conclude the comparison of the results of each technology: that it is appropriate that the municipal schools of music use distributed systems because the size of the packets sent is smaller than that one that is sent by CDN and CML technologies. There are no multiple communication jumps. No prior approval is required to publish the content and there is no limitation on the size of the content to be published.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,895
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0040,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,037
Tête enseignante GPT0,282
Écart entre enseignants0,245 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetE-Learning and Knowledge ManagementTravaux en français237 207