MétaCan
Menu
Retour à la cohorte
Enregistrement W2908994442 · doi:10.15402/esj.v4i2.61751

Funding Social Innovation in Canada: A Conversation with Stephen Huddart and Chad Lubelsky of the McConnell Foundation

2019· article· en· W2908994442 sur OpenAlexvenueaboutno aff
David Peacock, Stephen Huddart, Chad Lubelsky

Notice bibliographique

RevueEngaged Scholar Journal Community-Engaged Research Teaching and Learning · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueService-Learning and Community Engagement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConversationFoundation (evidence)SupporterService-learningSociologyScope (computer science)Social workPolitical scienceManagementPublic administrationPublic relationsPedagogyLawHistoryEconomics

Résumé

récupéré en direct d'OpenAlex

Co-editor of this issue David Peacock interviews Stephen Huddart (President and CEO) and Chad Lubelsky (Program Director) of the McConnell Foundation, a historic supporter of postsecondary education across Canada. McConnell’s investments in community service-learning, social entrepreneurial and innovation activities and social infrastructure programs and dialogues have made them a significant partner for many Canadian higher education institutions. Yet not all community-campus engagement scholars and practitioners, and Engaged Scholar readers, may have heard McConnell articulate for itself its aims and goals for Canadian higher education and society. This interview canvasses the scope of McConnell’s work and interests in community-campus engagement, and sheds light on the actions of an influential private actor in the postsecondary sector.

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)0,611
score de la tête « metaresearch » (Gemma)0,125
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,486
Score d'incertitude au seuil0,883

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,6110,125
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,2210,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,331
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,120
Tête enseignante GPT0,355
Écart entre enseignants0,235 · 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'étudeQualitatif
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
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEngaged Scholar Journal Community-Engaged Research Teaching and LearningMême sujetService-Learning and Community EngagementTravaux en français237 207