MétaCan
Menu
Retour à la cohorte
Enregistrement W3211620527 · doi:10.23977/jeis.2021.61011

Design and implementation of efficient Learning platform based on SpringBoot Framework

2021· article· en· W3211620527 sur OpenAlexvenueno aff
Guanhong Chen, Jiangming Xu

Notice bibliographique

RevueJournal of Electronics and Information Science · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Technology and Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceFunction (biology)The InternetInformation exchangeMultimediaOrder (exchange)Black boxSystems designHuman–computer interactionEngineering managementSoftware engineeringWorld Wide WebEngineeringArtificial intelligenceTelecommunications

Résumé

récupéré en direct d'OpenAlex

With the development of Internet technology, the demand for people's information exchange is getting higher and higher, and the traditional way of communication can no longer meet the needs of students. In order to improve the efficiency of information exchange, this paper uses a progressive framework, such as SpringBoot and Vue framework, these frameworks are easy to develop and maintain. According to these technologies, this paper designs a learning exchange community system for college students to learn and communicate. First of all, we analyze the research background and research status of learning community. Then, we analyzed the requirements of the system, including system function, performance and security requirements, and carried out the overall design of the system. The whole system is divided into several modules for development, and the specific module content is designed in detail, and the corresponding system functions are realized by using development tools. Finally, we use the black box to test the function, performance and security of the system.

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)0,001
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: aucune
GenreSignal candidat: Logiciel · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0030,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,012
Tête enseignante GPT0,309
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
GenreLogiciel

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 revueJournal of Electronics and Information ScienceMême sujetEducational Technology and AssessmentTravaux en français237 207