Notice bibliographique
Résumé
t is an honour and a privilege to have been invited to become the Editor of the new, online, open access, and peer-reviewed journal entitled LEARNing Landscapes.I was pleased to accept this position because I believe the collaboration between the Leading English Education and Resource Network (LEARN) 1 and McGill in this project will provide an important link between the University and the educational community in Quebec, and beyond.Also, I believe the work will provide the opportunity to blur boundaries between theory and practice, and between discipline and research divides, and across educational sectors, areas that are striving for similar goals, but with little time to entertain exchanges or collaborative activities.The added appeal of the work is that the journal will be available to anyone and everyone without a subscription, and the technology will allow imaginative experimentation with different kinds of texts and graphic possibilities.Less than a year ago, during a meeting with Michael Canuel, CEO of LEARN and his colleagues Rosa Kovalski and Mary Stewart, our discussion wandered off the immediate topic and we ended up in a wonderful "what if" moment.It was then that the kernel idea for LEARNing Landscapes was born.Within a month plans were solidified, a trajectory was set and the journey began.It has been an exhilarating one.I am totally indebted to Michael Canuel for his openness and support, to Mary Stewart, Managing Editor, for her friendship, conscientiousness and organizational skills, to Maryse Boutin, Graphic Designer, for her talent and patience, to David Mitchell,
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,008 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,063 | 0,053 |
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 source (Gemma direct ou Codex distillé), 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 ».