MétaCan
Menu
Retour à la cohorte
Enregistrement W4239463480 · doi:10.33423/jhetp.v20i8.3235

International Collaboration on a Sustainable Forest Management OER Online Program – A Case Study

2020· article· en· W4239463480 sur OpenAlexaff
Min Qian Zeng, Hailan Chen, Anil Shrestha, Chris Crowley, Emma Ng, Guangyu Wang

Notice bibliographique

RevueJournal of Higher Education Theory and Practice · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCurriculumContext (archaeology)BusinessScale (ratio)Sustainable forest managementSustainable developmentCoronavirus disease 2019 (COVID-19)Quality (philosophy)Environmental resource managementPublic relationsPolitical scienceForestryForest managementGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

Forestry education has always had to adapt to global changes and accommodate students and society's needs. To address the issues of the day, forestry education has cultivated human capacity to understand the complexity of ever-changing environments, master resource management technologies, and engage in global issues. Educational technology and online learning are important in providing flexible, accessible, and effective forest education at the rate and scale needed within the forestry sector. The transition during the COVID-19 pandemic further illustrates the role of online learning in worldwide education. In this context, this paper shares a case study from the Sustainable Forest Management Online Program led by the Faculty of Forestry, University of British Columbia (UBC) and Partner Universities. This study shows that appropriately integrating educational technologies into an internationally developed and recognized high-quality curriculum is an effective way to create accessible and affordable forestry education in meeting the demand of evolving societal and environmental conditions.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,559
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,016
Tête enseignante GPT0,364
Écart entre enseignants0,348 · 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
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Higher Education Theory and PracticeMême sujetForest Management and PolicyTravaux en français237 207