MétaCan
Menu
Retour à la cohorte
Enregistrement W2886357227 · doi:10.5539/cis.v11n3p82

The Brilliant Scheduler: Automated Scheduling System for Video Conferencing Courses

2018· article· en· W2886357227 sur OpenAlexvenueno aff
Maram Meccawy

Notice bibliographique

RevueComputer and Information Science · 2018
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueScheduling and Timetabling Solutions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceVideoconferencingScheduling (production processes)ReservationMultimediaComputer networkOperations management

Résumé

récupéré en direct d'OpenAlex

The study aims to investigate the problems and drawbacks associated with the present scheduling process for courses of video-conferencing, conducted at Administration of Educational Media at KAU (King Abdul-Aziz University). In KAU, male and female campuses are almost entirely segregated. The number of male staff and the diversity of their academic specialties is higher than those of their female counter parts. Hence, some subjects are taught to female students by male faculty, while utilizing videoconferencing technology. This research investigates the main challenges, faced by the Administration of Educational Media at King Abdul-Aziz University in scheduling video conferencing courses for classrooms reservation requests. It provides a complete list of tools and features to enhance, support, and automate the scheduling process for classrooms and supervisors, following Rapid Application development (RAD) methodology. The system has been implemented as a web-based automated scheduling system to undertake the capability of technology and to create an influential scheduling system. This system might also help in the migration of traditional paper-based work to a better technological environment, satisfied employees, and faster feedbacks.

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)0,003
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: Logiciel · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,069
Tête enseignante GPT0,367
Écart entre enseignants0,298 · 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
GenreLogiciel

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

En bref

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputer and Information ScienceMême sujetScheduling and Timetabling SolutionsTravaux en français237 207