MétaCan
Menu
Retour à la cohorte
Enregistrement W2973094176

Transforming Lives at Sheridan : a Tribute to Dr. Mozammel Khan

2017· article· en· W2973094176 sur OpenAlexfundaboutno aff
Lorraine Fraser, M. Nasim Khan, Iain R. McNab, Jack Urowitz, Soumitra Nandi, Srinivas Ganapathyraju, K. C. Ho, Daniel Zrymiak

Notice bibliographique

RevueSOURCE Sheridan's Institutional Repository (Sheridan College) · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth and Conflict Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Standards and TechnologyKwantlen Polytechnic UniversityAccenture
Mots-clésTributeArtArt history
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The original 2017 edition of this title was published in recognition of Dr. Mozammel Khan’s career in quality assurance instruction and positive impact on graduates of Sheridan College’s Quality Assurance Manfacturing Management program (PQUAS), with proceeds from the book supporting the Mozammel Khan scholarship Foundation. Khan, originally from Bangladesh, taught in Singapore before immigrating to Canada in the 1990s, where he founded the first post-secondary QA program of its kind in Ontario at Sheridan College.\nEditor Lorraine Fraser collects heartfelt letters of appreciation to Khan from alumni of the PQUAS program, who share memories, successes and challenges from their time as students at Sheridan, as well as describing his impact on their careers in the field. In an autobiographical chapter, Khan shares his background in engineering and quality assurance, his journey as an immigrant, and his involvement in developing Sheridan’s PQUAS program. Dr. Iain McNab (Dean of Faculty of Applied Science and Technology) further discusses Khan’s personal history and career at Sheridan in an interview, while his political life and impact for other new immigrants are explored by Professor Jack Urowitz (Faculty of Animation, Art and Design) and Dr. Soumitra Nandi (Faculty of Applied Science and Technology).

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,734
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0280,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,368
Écart entre enseignants0,320 · 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.

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

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSOURCE Sheridan's Institutional Repository (Sheridan College)Même sujetHealth and Conflict StudiesTravaux en français237 207