MétaCan
Menu
Retour à la cohorte
Enregistrement W2999302325 · doi:10.33262/concienciadigital.v1i2.946

Los estudiantes universitarios y el aspecto socio económico

2018· article· es· W2999302325 sur OpenAlexvenueno aff
Yolanda Tatiana Carrasco Ruano

Notice bibliographique

RevueConcienciaDigital · 2018
Typearticle
Languees
DomaineSocial Sciences
ThématiqueEducational Outcomes and Influences
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Uno de los principales Factores que tenemos los estudiantes universitarios es el factor económico la falta de recursos que dificultan para continuar con los estudios superiores. A pesar que son muchos los factores que obstaculizan a los estudiantes; siendo el más importante el socio-económico muchas de las veces los mismos estudiantes tienen que generar sus propios recursos para solventar sus carreras; porqué los padres de familia no tienen recursos suficientes o no cuentan con un trabajo estable para solventar los estudios de sus hijos y a veces con un numeroso núcleo familiar. Es por este factor qué los universitarios no pueden desarrollarse al cien por ciento y mejor obstan por abandonar sus carreras En la actualidad la educación se ha convertido en algo imprescindible para poder desarrollarse tanto intelectualmente, y como progreso de la sociedad ser una mejor persona, si la mayoría de los jóvenes estudiarán sería algo muy fundamental porqué ayudaría a disminuir la pobreza en las familias ya que tendrían más oportunidades de trabajar y también contribuirá para la sociedad con sus conocimientos adquiridos durante su preparación universitaria. En poco recurso que genera el estado para la educación superior no es suficiente para solventar; muchos gastos que genera la universidad. El presente trabajo consiste en analizar y sacar conclusiones de los factores más determinantes para no poder seguir con los estudios superiores.

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)0,005
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,018
Tête enseignante GPT0,328
Écart entre enseignants0,309 · 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'étudeObservationnel
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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConcienciaDigitalMême sujetEducational Outcomes and InfluencesTravaux en français237 207