MétaCan
Menu
Retour à la cohorte
Enregistrement W2891487436 · doi:10.5281/zenodo.1240342

Partispace Deliverable 7.2: Youth Participation Training Module

2018· article· en· W2891487436 sur OpenAlexaff
Barry Percy‐Smith, Nigel Thomas, Zulmir Bečević, Ilaria Pitti

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovative Approaches in Technology and Social Development
Établissements canadiensEducation and Early Childhood Development
Organismes subventionnairesEuropean Commission
Mots-clésDeliverableTraining (meteorology)Computer sciencePublic relationsMedical educationPolitical scienceEngineeringGeographyMedicineSystems engineeringMeteorology

Résumé

récupéré en direct d'OpenAlex

This module has been developed from the Partispace research on spaces and styles of youth participation, conducted in eight European cities between 2015 and 2018. The research was undertaken by a team led by Andreas Walther of Goethe University Frankfurt and funded by the European Union under the Horizon 2020 programme. The aim of the module is to use key findings from this ground-breaking project to support learning and development amongst youth workers and other practitioners working with young people, as well as students of youth policy and practice. In the research, we learned about the interaction between policy and practice at the local, national and European levels. We learned about the settings in which young people participate and the purposes of that participation. We learned about the kinds of young people who participate and the rich variety of ways in which they participate. We learned about how young people, and those working with them, understand participation, and how much that is different from the dominant ‘official’ understandings. Above all, we learned about young people’s experiences of participation, and how those can be made better.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,838
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,006

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 Opus0,094
Tête enseignante GPT0,257
Écart entre enseignants0,163 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetInnovative Approaches in Technology and Social DevelopmentTravaux en français237 207