MétaCan
Menu
Retour à la cohorte
Enregistrement W2967602886 · doi:10.5334/jime.542

Book Reviews – 2019

2019· article· en· W2967602886 sur OpenAlexaboutno aff
Kimberly Safford, Matthew Stranach, Simon Atkinson, Pam Foley

Notice bibliographique

RevueJournal of Interactive Media in Education · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLibrary scienceMedia studiesSociologyComputer science

Résumé

récupéré en direct d'OpenAlex

The following publication contains book reviews of these titles:Ferster, B. (2016) Sage on the Screen: Education, Media and How We Learn. Baltimore: Johns Hopkins University Press. 197 pages. ISBN 13: 978-1-4214-2126-1.Littlejohn, A and Hood, N. (2018) Reconceptualising Learning in the Digital Age: The [Un] democratising Potential of MOOCs. Singapore: Springer. 108 pages. ISBN: 978-981-10-8892-6, ISBN: 978-981-10-8893-3.Hodgkinson-Williams, C and Arinto, P.B. (eds.) (2017) Adoption and Impact of OER in the Global South. Cape Town and Ottawa: International Development Research Centre & Research on Open Educational Resources. 606 pages. ISBN: 9781928331483.Rankin, J.G. (2016) How to Make Data Work: a Guide for Educational Leaders. New York: Routledge. 226 pages. ISBN: 978-1-317-35338-6.Saba, F. and Shearer, R.L. (2018) Transactional Distance and Adaptive Learning, Planning for the Future of Higher Education. London: Routledge. 212 pages. ISBN: 978-1-138-30233-4, ISBN: 9780203731819.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,498
Score d'incertitude au seuil0,303

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,009
Tête enseignante GPT0,320
Écart entre enseignants0,311 · 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 tête enseignante, 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
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'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Interactive Media in EducationMême sujetOnline Learning and AnalyticsTravaux en français237 207