MétaCan
Menu
Retour à la cohorte
Enregistrement W2947343740 · doi:10.1109/educon.2019.8725236

g9toengineering: A Virtual Community of Practice in Knowledge Creation

2019· article· en· W2947343740 sur OpenAlexaff
Riadh Habash

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueE-Learning and Knowledge Management
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésKnowledge managementComputer scienceResource (disambiguation)Reflection (computer programming)Knowledge sharingProduct (mathematics)Class (philosophy)Service (business)Business

Résumé

récupéré en direct d'OpenAlex

The concepts of open educational resource and virtual community of practice stem from the need to create a new mode of learning and knowledge creation platforms that complement the classroom environment. This paper aims to find how to take advantage of outcome-based learning to advance development and mastery of competencies, skills, and professional practice as a mediating product in service of innovation. The case of consideration in this paper is an open educational resource (www.g9toengineering.com) developed by the author in 2007 and continuously maintained and updated by students from an undergraduate mechatronics engineering class as an online portal to enable knowledge sharing and transfer basing on the framework of “acquire-reflect-share-apply”. This reflection on challenges of knowledge creation shows in particular how faculty and students collaborate to create their own learning content that is part of their course, then openly share and further develop at no cost and free from licensing obstacles. Results show that students are positive with their own understanding and knowledge building with no clear distinction between the types of knowledge. Some of the challenges of implementation practice are shared in this paper.

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)0,007
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0040,007
Communication savante0,0080,010
Science ouverte0,0030,017
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,003

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 Opus0,012
Tête enseignante GPT0,269
Écart entre enseignants0,257 · 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'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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetE-Learning and Knowledge ManagementTravaux en français237 207