MétaCan
Menu
Retour à la cohorte
Enregistrement W4243057846 · doi:10.29085/9781856048613.002

Introduction

2018· book-chapter· en· W4243057846 sur OpenAlexaff
Mohamed Ally

Notice bibliographique

RevueFacet eBooks · 2018
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésMobile technologyWorld Wide WebMobile deviceComputer scienceMultimediaDeveloping countryMobile WebTelecommunicationsEconomic growth

Résumé

récupéré en direct d'OpenAlex

This book is about bringing the library to the learner using the mobile device that the learner already uses for other activities. The current estimate is that there are over four billion mobile phones in the world, 75% of them in developing countries ( The Economist , 2009). The biggest increase in the acquisition of mobile phones over the past ten years has been in developing countries. As the use of mobile technology grows globally, libraries are digitizing information for access by anyone, from anywhere and at any time. Hence, the use of mobile devices to access library information will allow everyone to have a virtual library in their pocket. The role of mobile technology in society Different sectors of society are using mobile technologies to reach customers and members of society. Mobile banking is allowing people to conduct their banking from anywhere and anywhere using mobile technology. This allows for real-time transactions that benefit both the banks and their customers. In healthcare there is mobile health, where citizens can access health information from anywhere to help prevent illness and to find healthcare advice. Mobile agriculture gives farmers the ability to access information on growing healthy crops, determine market demands for crops and decide on the market price for their produce. This information allows farmers to make informed decisions at the right time to maximize their profits. Mobile shopping puts shopping in the consumer's pocket, to shop from anywhere and at any time. Consumers are able to compare the prices and quality of products using mobile devices before deciding which one to buy and from whom to buy it. Mobile government gives citizens access to government information using their mobile device; hence, government in the citizen's pocket. Mobile fishing enables workers out in the sea and rivers to access up-to-date information on types of fish, the price of fish and market demands for the different types of fish. This provides fishery workers with current information on which to base decisions. Mobile learning, puts the school into everyone's pocket, to learn at their own convenience. Now we have the mobile library, where learners will have a library in their pockets to access information at any time and from anywhere.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,385
Score d'incertitude au seuil0,877

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0050,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,3850,287

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 Opus0,015
Tête enseignante GPT0,236
Écart entre enseignants0,221 · 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 source (Gemma direct ou Codex distillé), 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFacet eBooksMême sujetMobile Learning in EducationTravaux en français237 207