MétaCan
Menu
Retour à la cohorte
Enregistrement W3134368800 · doi:10.5539/mas.v15n2p24

From Traditional Schools to Modern Schools: The Quest for to Improve the Quality of Schools Environment in Iran

2021· article· en· W3134368800 sur OpenAlexvenueno aff
Kimia Ghasemi, Mostafa Behzadfar, Mahdi Hamzenejad

Notice bibliographique

RevueModern Applied Science · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Environments and Student Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesIran National Science FoundationNational Science Foundation
Mots-clésAtmosphere (unit)Flexibility (engineering)Quality (philosophy)IslamOrder (exchange)Mathematics educationNatural (archaeology)Process (computing)ArchitectureTransformation (genetics)Computer scienceSociologyArchitectural engineeringPsychologyMathematicsEngineeringBusinessGeographyMeteorologyEpistemologyChemistry

Résumé

récupéré en direct d'OpenAlex

This article, through comparison, analyzes evolutions in architecture and school concepts and the relation between them in classic and modern periods in Iran, and by relying on persistent traditional Islamic schools architectural design patterns, provides an atmosphere, conforming to physical and spiritual needs in schools. The research method used in this article is descriptive-analytical and is conducted through library study in order to get familiarized with persistent social components in these schools, to use in new schools. In this research, after evaluating traditional schools, some factors, such as flexibility, central courtyard and the presence of natural elements in there, annular formation of classrooms and appropriate atmosphere for discussions and the transformation process of the interior and exterior relations are introduced which we can use in designing new schools, in order to fully improve the quality of the atmosphere in modern schools.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,085
Tête enseignante GPT0,364
Écart entre enseignants0,278 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetEducational Environments and Student OutcomesTravaux en français237 207