OBACIS Phase II: Catalogs and Auto-Generated Course Information Sheets
Notice bibliographique
Résumé
Abstract—OBACIS is an integrated framework being developed to accelerate the accreditation reporting workflow, cut down the reporting cost by an order of magnitude, and close the data-driven continuous improvement loop. The framework integrates three different pieces of software: 1) an Excel Add-in, or the "Xl-App", for simultaneous grade and OBA reporting; 2) A Windows Application, or the "Win-App" for program and faculty-level template creation, document compilation, and program assessment; and, 3) a web-tool, or the "Web-App", for document compilation and reporting. This paper focuses on creating a centralized database for compiling raw data related to accreditation reporting from various resources such as previous visit accreditation reports, academic calendars, course schedules, and a handful of other resources are used to create what we call OBACIS Catalogs. The Catalogs framework is a part of the bigger OBACIS framework proposed in CEEA 2016 [1]. The framework has been implemented as a module of the Win-App. Automating the creation process of Course Information Sheets (CIS) was the original goal and is still one of the main outputs of the proposed framework. The OBACIS Catalogs are supposed to save a sheer amount of time needed for accreditation reporting and should act as an instrumental tool for accelerating accreditation data collection, creating insightful analyses, and identifying gaps for continuous improvement initiatives at both program and faculty levels.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».