MétaCan
Menu
Retour à la cohorte
Enregistrement W2763373837 · doi:10.1109/ihtc.2017.8058209

Data-driven technique to estimate the required broadband speed for K-12 schools

2017· article· en· W2763373837 sur OpenAlexaff
Mirza Kamaludeen, Salam Ismaeel, Franca Petrocelli, Chris Carrington, Carm Scarfo

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésBroadbandUploadComputer scienceVideoconferencingDownloadBroadband networksThe InternetInternet accessProcess (computing)MultimediaTelecommunicationsWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Technology becomes more and more involved in the learning process (specifically blending learning) of K-12 schools. The broadband requirements must be assessed for cost-effective and efficient (a reasonable download wait time) access to the Internet. With the arrival of videoconferencing, collaborative tools besides, social media, the amount of data incoming and outgoing based on students' activities need to be increased to guarantee a smooth access and effective usage of technology in K-12 school environments. In this paper, we present a novel study that analyzes broadband requirements for students and staff (teachers and administrators) in K-12 schools. Our study takes into consideration different types of applications that students and staff use, number of users and their usage behaviors. It presents to decision makers, recommended broadband per devices for a specific application and expected time to wait for downloading these applications.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,521
Score d'incertitude au seuil0,920

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0050,001
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 Opus0,062
Tête enseignante GPT0,386
Écart entre enseignants0,323 · 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.

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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMobile Learning in EducationTravaux en français237 207