MétaCan
Menu
Retour à la cohorte
Enregistrement W2765880875 · doi:10.28945/2387

Intelligent Tutoring Systems: Confluence of Information Science and Cognitive Science

2001· article· en· W2765880875 sur OpenAlexaff
Ashok Patel, Kinshuk NA, David Russell, Reinhard Oppermann

Notice bibliographique

RevueInforming Science and IT Education Conference · 2001
Typearticle
Langueen
DomaineComputer Science
ThématiqueIntelligent Tutoring Systems and Adaptive Learning
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésAdaptation (eye)Context (archaeology)Computer scienceLimitingKnowledge managementCognitionThe InternetFocus (optics)Cognitive sciencePsychologyWorld Wide WebEngineering

Résumé

récupéré en direct d'OpenAlex

The advent of Internet as a global communication medium has brought a new focus on an area of research in designing Intelligent Tutoring System (ITS) that has not been adequately considered so far. In the main, this has been due to the localised nature of most academic environments limiting the sources of information and an implicit assumption that information and knowledge are synonymous. These factors have led to overemphasis on learner modelling in the traditional ITS research, which seeks to enhance the interaction between the ITS as the provider and the learner as the consumer of knowledge, ignoring the crucial role played by the teacher in enhancing the learning in a given context. The limitations of the traditional approach become more visible when educational information is sought to be transmitted across long distances and the need for adaptation to local contexts becomes apparent. This paper argues that the human teacher, as the manager of learning, plays a vital role within the joint cognitive system consisting of the teacher, ITS, learner and learning peers. This role needs to be recognised by ITS designers by through a teacher model. It also suggests that ITS may perhaps best embody the emerging framework of Informing Science.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,006
Communication savante0,0090,010
Science ouverte0,0010,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,030
Tête enseignante GPT0,297
Écart entre enseignants0,267 · 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'étudeThéorique ou conceptuel
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

Citations9
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInforming Science and IT Education ConferenceMême sujetIntelligent Tutoring Systems and Adaptive LearningTravaux en français237 207