MétaCan
Menu
Retour à la cohorte
Enregistrement W4220777606 · doi:10.1002/essoar.10510740.1

Geoscience Education Perspectives on Integrated, Coordinated, Open, Networked (ICON) Science

2022· preprint· en· W4220777606 sur OpenAlexaff
Sarah K. Fortner, Cathryn A. Manduca, Hendratta Ali, Casey M. Saup, Samuel Cornelius Nyarko, Shannon M. Othus‐Gault, Viranga Perera, Vincent C. H. Tong, Anne Gold, Tanya Furman, Leilani Arthurs, Bridget K. Mulvey, Kristen St. John, Joel Singley, Elijah T. Johnson, M. R. Witter, R. L. Batchelor, Deron T. Carter, M. C. Damas, Lynsey E. LeMay, Karen M. Layou, Russanne Low, Huihui Wang, Kai Olson‐Sawyer, Amy Pallant, Katherine Ryker, Laura Lukes, Nicole LaDue, Katrien van der Hoeven Kraft

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineDecision Sciences
ThématiqueScientific Computing and Data Management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésWorld Wide WebElectronic mailIconComputer science

Résumé

récupéré en direct d'OpenAlex

Practitioners and researchers in geoscience education embrace ICON (Integrated, Coordinated, Open science, and Networked) principles and have a history of using them to create and share educational resources, to move forward collective priorities, and to learn from one another. Geoscience education brings substantial expertise in social science research and its application to building individual and collective capacity. This can be used to support ICON processes and improve the coproduction of knowledge between geoscientists and diverse communities. Geoscience is an important part of the knowledge needed to advance equity at local to global scales. The geoscience education community has expanded its own ICON capacity through access to and use of shared resources and research findings, enhancing data sharing and publication, and leadership development. We prioritize continued use of ICON principles to develop effective and inclusive communities that increase equity in geoscience education and beyond, that support leadership and full participation of systemically non-dominant groups, and that enable global discussions and collaborations.

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)0,027
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Science ouverte, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesScience ouverte, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,618
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0270,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,008
Études des sciences et des technologies0,0020,001
Communication savante0,0120,001
Science ouverte0,0210,031
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,155
Tête enseignante GPT0,452
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetScientific Computing and Data ManagementTravaux en français237 207