Notice bibliographique
Résumé
Journal of Education and Training Studies (JETS) would like to acknowledge the following reviewers for their assistance with peer review of manuscripts for this issue. Many authors, regardless of whether JETS publishes their work, appreciate the helpful feedback provided by the reviewers. Their comments and suggestions were of great help to the authors in improving the quality of their papers. Each of the reviewers listed below returned at least one review for this issue.Reviewers for Volume 6, Number 3 Arlene Kent-Wilkinson, University of Saskatchewan, CanadaCarole Fern Todhunter, The University of Nottingham, UKChosang Tendhar, Long Island University (LIU), USAEnisa Mede, Bahcesehir University, TurkeyJohn Cowan, Edinburgh Napier University, UKJon S. Turner, Missouri State University, USAKun-Hsi Liao, Taiwan Shoufu University, TaiwanLaima Kyburiene, Kaunas University of Applied Sciences, LithuaniaLaura Bruno, The College of New Jersey, USALorna T. Enerva, Polytechnic University of the Philippines, PhilippinesMan-fung Lo, The Hong Kong Polytechnic University, Hong KongMaria Pavlis Korres, Hellenic Open University, GreeceMassimiliano Barattucci, Ecampus University, ItalyMatthews Tiwaone Mkandawire, Central China Normal University, MalawiMeral Seker, Alanya Alaaddin Keykubat University, TurkeyRichard H. Martin, Mercer University, USASelloane Pitikoe, University of Kwazulu-Natal, South AfricaSenem Seda Şahenk Erkan, Marmara University, TurkeySimona Savelli, Università degli Studi Guglielmo Marconi, ItalyStamatis Papadakis, University of Crete, GreeceYalçın Dilekli, Aksaray University, TurkeyYavuz Değirmenci, Bayburt University, Turkey Robert SmithEditorial AssistantOn behalf of,The Editorial Board of Journal of Education and Training StudiesRedfame Publishing9450 SW Gemini Dr. #99416Beaverton, OR 97008, USAURL: http://jets.redfame.com
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».