MétaCan
Menu
Retour à la cohorte
Enregistrement W2912049494 · doi:10.1108/ils-01-2019-138

Inaugural issue perspectives on<i>Information and Learning Sciences</i>as an integral scholarly nexus

2019· article· en· W2912049494 sur OpenAlexaff
Rebecca Reynolds, Samuel Kai Wah Chu, June Ahn, Simon Buckingham Shum, Preben Hansen, Caroline Haythornthwaite, Hong Huang, Eric M. Meyers, Soo Young Rieh

Notice bibliographique

RevueInformation and Learning Sciences · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésScholarshipSociologyOriginalityScholarly communicationValue (mathematics)Scope (computer science)Engineering ethicsSocial scienceComputer sciencePolitical scienceEngineeringPublishing

Résumé

récupéré en direct d'OpenAlex

Purpose Many of today’s information and technology systems and environments facilitate inquiry, learning, consciousness-raising and knowledge-building. Such platforms include e-learning systems which have learning, education and/or training as explicit goals or objectives. They also include search engines, social media platforms, video-sharing platforms, and knowledge sharing environments deployed for work, leisure, inquiry, and personal and professional productivity. The new journal,Information and Learning Sciences, aims to advance our understanding of human inquiry, learning and knowledge-building across such information, e-learning, and socio-technical system contexts. Design/methodology/approach This article introduces the journal at its launch under new editorship in January, 2019. The article, authored by the journal co-editors and all associate editors, explores the lineage of scholarly undertakings that have contributed to the journal's new scope and mission, which includes past and ongoing scholarship in the following arenas: Digital Youth, Constructionism, Mutually Constitutive Ties in Information and Learning Sciences, and Searching-as-Learning. Findings The article offers examples of ways in which the two fields stand to enrich each other towards a greater holistic advancement of scholarship. The article also summarizes the inaugural special issue contents from the following contributors: Caroline Haythornthwaite; Krista Glazewski and Cindy Hmelo-Silver; Stephanie Teasley; Gary Marchionini; Caroline R. Pitt; Adam Bell, Rose Strickman and Katie Davis; Denise Agosto; Nicole Cooke; and Victor Lee. Originality/value The article, this special issue, and the journal in full, are among the first formal and ongoing publication outlets to deliberately draw together and facilitate cross-disciplinary scholarship at this integral nexus. We enthusiastically and warmly invite continued engagement along these lines in the journal’s pages, and also welcome related, and wholly contrary points of view, and points of departure that may build upon or debate some of the themes we raise in the introduction and special issue contents.

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)0,012
score de la tête « metaresearch » (Gemma)0,021
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: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,139

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,021
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0060,008
Communication savante0,0240,009
Science ouverte0,0020,008
Intégrité de la recherche0,0070,011
Charge utile insuffisante (le modèle a refusé de juger)0,0420,008

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 Opus0,009
Tête enseignante GPT0,276
Écart entre enseignants0,266 · 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
GenreCommentaire

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

En bref

Citations13
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInformation and Learning SciencesMême sujetOnline Learning and AnalyticsTravaux en français237 207