MétaCan
Menu
Retour à la cohorte
Enregistrement W3037139059 · doi:10.5539/ies.v13n7p145

Creative Economy Teaching and Learning–A Collaborative Online International Learning Case

2020· article· en· W3037139059 sur OpenAlexvenueno aff
Aparna Katre

Notice bibliographique

RevueInternational Education Studies · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensnon disponible
Organismes subventionnairesOcean University of ChinaUniversity of Minnesota DuluthUniversity of Minnesota
Mots-clésMindsetHigher educationSociologyPedagogyCreativityCollaborative learningCultural diversityBlended learningLeverage (statistics)Knowledge managementPublic relationsEducational technologyPsychologyPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Culture plays a central role in the creative economy, not only in terms of developing creative products and services but also in terms of shaping the processes by which products are crafted. Among various pedagogical approaches for the development of creative products, Collaborative Online International Learning (COIL) emerges as a promising vehicle. Educators can leverage audio, visual, and written communications technologies to connect learners from geographically distant cultures and place culture at the center of the creative product development processes. The University of Minnesota Duluth’s introductory class on cultural entrepreneurship, CUE 1001, hosted a semester-long COIL project with Ocean University of China’s Cultural Industries Management program to facilitate such innovation in cross-cultural teams. An ex-post evaluation of the project suggests that learners can appreciate the overall significance of culture when conceptualizing creative services and products. They develop an intercultural mindset and acquire the tools to work effectively in cross-cultural settings. Institutions of higher education can leverage COIL in a variety of domains, while studies comparing traditional and COIL-based approaches can further add to the body of knowledge regarding intercultural awareness and the internationalization of learning in higher education.

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)0,006
score de la tête « metaresearch » (Gemma)0,007
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: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0110,007
Communication savante0,0080,006
Science ouverte0,0020,007
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,041
Tête enseignante GPT0,342
Écart entre enseignants0,301 · 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

Citations23
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207