MétaCan
Menu
Retour à la cohorte
Enregistrement W3154449379 · doi:10.32082/fp.v0i6(62).376

Akademicy Millennialsi, studenci Gen Z: Jak zmiana pokoleniowa wpłynie na edukację prawniczą

2020· article· en· W3154449379 sur OpenAlex
Mirosław Michał Sadowski

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueForum Prawnicze · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePolish Law and Legal System
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésLegal educationContext (archaeology)Order (exchange)SociologyHigher educationDigital nativeLawPolitical scienceMedia studiesHistoryEconomics

Résumé

récupéré en direct d'OpenAlex

The past two decades saw a generational change come to the universities along with the technological one: the very first digital natives, the Millennials, arrived. Gen Z soon followed. The purpose of this paper is to analyse the two somewhat similar, but often different generations and place them within the context of the Polish and North American university, the law faculty in particular, in order to answer the question: What does this shift of generations mean for the future of legal education? In the first part of the paper the author introduces the two generations, contrasting them with the previous ones. The second part of the paper is devoted to the issue of Millennials and Gen Z at the university, particularly in law school. In the final part of the paper the author applies the findings of two previous sections to the question of the future of legal education. Arguing that law faculties are unique entities within the university, he proposes a number of changes to the teaching of law which should be introduced if Millennials and Gen Zs are to truly find their place in the academia and be able to live up to their full potential as lawyers, be that practitioners or academics.

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.

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), 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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,765
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,037
Tête enseignante GPT0,317
Écart entre enseignants0,280 · 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