MétaCan
Menu
Retour à la cohorte
Enregistrement W4235221316 · doi:10.21432/t27k69

View Entire Issue

2009· article· fr· W4235221316 sur OpenAlexaffvenue
Robert M. Bernard Editor

Notice bibliographique

RevueCanadian Journal of Learning and Technology · 2009
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueInformation Technology and Learning
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésMathematics educationPsychologyComputer sciencePedagogy

Résumé

récupéré en direct d'OpenAlex

production, or other educational system.The essence of technology and therefore educational technology is knowledge about relationships (e.g., if we perform action X, there is a probability, P, that outcome Y will occur).But it seldom is clear which action X is most likely to produce the intended result Y. Systems research often may help us clarify our decision-making. LIFELONG LEARNING IN AN AGE OF TECHNOLOGYThis paper is animated by a concern for education, not simply for classroom instruction.More than half the world's children are not in school and the global need for .education has been rising.This forces us to refurbish our ideas about how to implement educational aspirations, as well as to augment existing educational manpower.Perhaps more important is that school costs (in both affluent and penurious nations) rise even more rapidly than enrolments or national incomes.We face an inevitable conclusion, "Les fails s'imposent done avec une evidence irrefutable: aucune pays au monde n'a les moyens P. David Mitchell is Professor and sometime Director of the Graduate Programme in Educational Technology at Concordia University, Montreal, Quebec.His research and teaching interests include systems analysis, computer assisted learning, artificial intelligence and computer-video hybrids (computer-based interactive video).

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge 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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,188
Score d'incertitude au seuil0,268

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0070,003
Science ouverte0,0020,002
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,8120,798

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 GPT0,256
Écart entre enseignants0,250 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

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'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Learning and TechnologyMême sujetInformation Technology and LearningTravaux en français237 207