MétaCan
Menu
Retour à la cohorte
Enregistrement W4230887013 · doi:10.4018/978-1-60566-198-8.ch022

The Beam Analysis Tool (BAT)

2009· book-chapter· en· W4230887013 sur OpenAlexaff
Peter Burrage, Leslee Francis Pelton

Notice bibliographique

RevueIGI Global eBooks · 2009
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueExperimental Learning in Engineering
Établissements canadiensUniversity of VictoriaCamosun College
Organismes subventionnairesnon disponible
Mots-clésChaos theoryParallelsCHAOS (operating system)HypertextComputer scienceProcess (computing)Learning theoryAffect (linguistics)Mathematics educationCognitive scienceEpistemologyArtificial intelligencePsychologyEngineeringCommunicationWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

In Houghton’s (1989) review of educational paradigms, he highlights the gaining importance of chaos theory. Chaos theory is often characterized by the term non-linear. Chaos theory can be found in many disciplines; in structural engineering, the behaviour of a structure under earthquake loads is often seen in terms of non-linear behaviour. Another characteristic of chaos theory is unpredictability. The implications for educational theory, as Houghton suggests, is that we have a realistic model for what happens in highly interactive systems. If the process of teaching and learning is seen as a highly interactive environment, then the parallels to chaos theory can be easily seen. The nature of a lecture can change when a student asks a question. This results in a non-linear learning environment. Students affect how something is taught by their own unique ways of understanding. Houghton (1989) suggests that the use of computers in education is supported by chaos theory. He suggests that computers should play a significant and active role with learning. Chaos theory not only supports the concept of using computers in education, it suggests that with non-linear programming (e.g., hypertext), education can change from the traditional linear format to a non-linear methodology that is alive and vibrant.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,943
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,208
Écart entre enseignants0,202 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIGI Global eBooksMême sujetExperimental Learning in EngineeringTravaux en français237 207