Semantic Approach to Modeling of the Fund of Assessment Means
Notice bibliographique
Résumé
1. Zindinova N. S. Creation of the funds of assessment means in the framework of the discipline with consideration for introduction of the federal educational state standards of higher vocational education // Вестн. Омского университета. 2014. № 2 (72). С. 182–184. 2. Профессиональные стандарты в области информационных технологий. М.: АП КИТ, 2008. 616 с. 3. Титаренко С. А. Контрольно-оценочные средства как мера форсированности профессиональных и общих компетенций // Проблемы и перспективы развития образования (IV): Материалы Междунар. науч. конф. Пермь: Меркурий, 2013. С. 133. 4. Perez-Jimenez A., Reyes-Zurit F. (Eds.). Feedback between universities and companies // 7th International Technology, Education and Development Conference (INTED). Valencia, Spain, 2013. Р. 2916–2923. 5. Sofjina V. N., Gribanova D. Y., Melenevskaja O. Y. Monitoring of Students’ Professional Merits at the University // International Scientific Conference on Society, Integration, Education. Rezekne, Latvia, 2015. Р. 215–223. 6. Бахвалов С. В., Берестнева О. Г., Марухина О. В. Применение онтологического моделирования в задачах организации учебного процесса ВУЗа // Онтология проектирования. 2015. Т. 5, № 4 (18). С. 387–398. 7. Смирнов С. В. Онтологический анализ предметных областей моделирования // Изв. Самар. НЦ РАН. 2001. Т. 3, № 1. С. 62–70. 8. Пронина В. А., Шипилина Л. Б. Использование отношений между атрибутами для построения онтологии предметной области // Проблемы управления. 2009. № 1. С. 27–32. 9. Mouromtsev D., Kozlov F., Kovriguina L., Parkhimovich O. ECOLE: Student Knowledge Assessment in the Education Process // WWW 2015 Companion – Proceedings of the 24th International Conference on World Wide Web. 2015. Р. 695–700. 10. Litherland K., Carmichael P., Martinez-Garcia A. Ontology-based e-assessment for accounting: Outcomes of a pilot study and future prospects // J. Account. Educ. 2013. Vol. 31, no. 2. Р. 162–176. 11. Baader F., McGuinness D., Nardi D., Patel-Schneider P. The description logic handbook: Theory, implementation, and applications. Cambridge: Cambridge University Press, 2007. 12. Пальчунов Д. Е. Моделирование мышления и формализация рефлексии. II. Онтологии и формализация понятий // Философия науки. 2008. № 2 (37). С. 62–99. 13. Пальчунов Д. Е., Яхъяева Г. Э. Нечеткие алгебраические системы // Вестн. НГУ. Серия: Математика, механика, информатика. 2010. Т. 10, вып. 3. С. 75–92. 14. Пальчунов Д. Е., Яхъяева Г. Э. Нечеткие логики и теория нечетких моделей // Алгебра и логика. 2015. Т. 54, № 1. С. 109–118. 15. Yakhyaeva G. Fuzzy model truth values // APLIMAT. 2007. № 6. С. 423–431. 16. Пальчунов Д. Е., Яхъяева Г. Э., Ясинская О. В. Применение методологии онтологического моделирования для задач диагностирования заболеваний позвоночника // Вестн. НГУ. Серия: Информационные технологии. 2015. Т. 13, № 3. С. 42–51. 17. Яхъяева Г. Э., Карманова А. А., Ершов А. А., Савин Н. П. Вопросно-ответная система для управления информационными рисками на основе теоретико-модельной формализации предметных областей // Информационные технологии. 2017. Т. 23, № 2. С. 97–106. 18. Яхъяева Г. Э., Ясинская О. В. Методы согласования знаний по компьютерной безопасности, извлеченных из различных документов // Вестн. НГУ. Серия: Информационные технологии. 2013. Т. 11, вып. 3. С. 63–73. 19. Yang Y., Guan H., You J. CLOPE: A fast and Effective Clustering Algorithm for Transactional Data // Proc. of SIGKDD’02. Edmonton, Alberta, Canada, 2002.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».