MétaCan
Menu
Retour à la cohorte
Enregistrement W3193171935 · doi:10.1007/s42438-021-00243-7

Teaching in the Age of Covid-19—1 Year Later

2021· article· en· W3193171935 sur OpenAlexaff
Petar Jandrić, David L. Hayes, Paul Levinson, Line Lisberg Christensen, Happiness Onesmo Lukoko, Jimmy Ezekiel Kihwele, James Benedict Brown, Charles Reitz, Peter Mozelius, Harry Nejad, Ana Fuentes Martínez, Janine Arantes, Liz Jackson, Ulrika Gustafsson, Sandra Abegglen, Tom Burns, Sandra Sinfield, Michael Hogan, Pallavi Kishore, Paul R. Carr, Ivana Batarelo Kokić, Paul Prinsloo, Dennis Grauslund, Anne Steketee, Charlotte Achieng-Evensen, Blessing Funmi Komolafe, Juha Suoranta, Nina Hood, Marek Tesař, Jennifer Rose, Niklas Humble, James D. Kirylo, Julia Mañero, Lilia D. Monzó, Mikkel Lodahl, Jimmy Jaldemark, SM Bridges, Navreeti Sharma, Jacob Davidsen, Jānis T. Ozoliņš, Peter Bryant, Carlos Escaño, Jones Irwin, Kulpreet Kaur, Sarah Pfohl, Kevin Stockbridge, Thomas Ryberg, Olli Pyyhtinen, Suzanne SooHoo, Hazzan Moses Kayode, Jake Wright, Stephanie Hollings, Sonja Arndt, Andrew Gibbons, Shreya Urvashi, Daniella J. Forster, Ian Truelove, Peter Mayo, Glenn Rikowski, Paul Alexander Stewart, Michael Jopling, Georgina Stewart, Rachel Buchanan, Nesta Devine, Richa Shukla, Rene Novak, Madhav Mallya, Eva Biličić, Sean Sturm, Sahar D. Sattarzadeh, Abey P. Philip, Bridgette Redder, E. Jayne White, Derek R. Ford, Quaylan Allen, Mousumi Mukherjee, Sarah Hayes

Notice bibliographique

RevuePostdigital Science and Education · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueDigital Education and Society
Établissements canadiensUniversité du Québec en OutaouaisUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakPublic healthLibrary sciencePolitical scienceSociologyPublic relationsMedia studiesMedicineVirologyNursingInfectious disease (medical specialty)Pathology

Résumé

récupéré en direct d'OpenAlex

Petar is 43 years old, and

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)0,007
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,027
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,007
Communication savante0,0140,008
Science ouverte0,0010,006
Intégrité de la recherche0,0100,017
Charge utile insuffisante (le modèle a refusé de juger)0,0280,013

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 Opus0,023
Tête enseignante GPT0,320
Écart entre enseignants0,297 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations54
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePostdigital Science and EducationMême sujetDigital Education and SocietyTravaux en français237 207