MétaCan
Menu
Retour à la cohorte
Enregistrement W3121726700 · doi:10.29252/johepal.1.3.65

Academic Reflections in Times of Crisis: Ten Fading Images of a Fatal Summer

2020· article· en· W3121726700 sur OpenAlexfundno aff
Anatoly Oleksiyenko

Notice bibliographique

RevueJournal of Higher Education Policy And Leadership Studies · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueDigital Education and Society
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Hong KongCanada Excellence Research Chairs, Government of Canada
Mots-clésFadingHistoryComputer scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

The scholars of the future may be bemused by the academic tribulations caused by the COVID-19 pandemic. How will temporal distance affect their understanding of this extraordinary time? What records will be available to them in the next decades and centuries, and how will they extract meaning from qualitative research of the past? Analysis of personal reflections will most likely remain subject to the same concerns about data limitations in the future, as is in the present. Yet, it is precisely these human stories that have the potential to tease out the significance of what is likely to be an inflection point in history. The case featured in this paper is a creative rendition produced for a postgraduate class on reflective thinking. It aims to stir the imagination, provoking discussion on what we, as humble learners, need to understand when considering crises and communicating our perceptions and personal experiences across time and cultures. It also exposes the fragility of data and the limitations of temporally-bound interpretations, which insights derived from fragmented data entail.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,856
Score d'incertitude au seuil0,272

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,266
Tête enseignante GPT0,442
Écart entre enseignants0,177 · 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'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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Higher Education Policy And Leadership StudiesMême sujetDigital Education and SocietyTravaux en français237 207