MétaCan
Menu
Retour à la cohorte
Enregistrement W4288345631 · doi:10.5281/zenodo.3989472

Entrepreneurship Learning Based on Literacy Skill Conservation

2019· article· en· W4288345631 sur OpenAlexaff
Ihat Hatimah, Yeti Mulyati, Kuswara Kuswara

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVocational and Entrepreneurial Education
Établissements canadiensEducation and Early Childhood Development
Organismes subventionnairesnon disponible
Mots-clésLiteracyEntrepreneurshipMathematics educationPsychologyPedagogyComputer scienceBusiness

Résumé

récupéré en direct d'OpenAlex

Basic literacy comprising reading, writing, and arithmetic skills that have been possessed by one illiterate must be maintained and improved so that relapsing does not take place. In other sides, the learning of literacy for adults’ learners must be meaningful, giving economical and living values enabling the learners to improve their living standards through entrepreneurship education oriented to culture and local potential. These two combinations are the bases for the choice of education model in this study and is called entrepreneurship education based on literacy program. By combining these two aspects in its implementation, the learners are expected to be able to maintain and improve their possessed literacy and their entrepreneurship ability based on culture and local potential. This study employed descriptive analytical method. Involving 100 learners from three groups of Community Learning Centers in Pantura area, including Community Learning Center of Family Indramayu Regency, Community Learning Center of Bina Kreatif Bahari of Cirebon Regency, and Community Learning Center of Bima Sakti of Subang Regency as the source of data, this study revealed that entrepreneurship education based on literacy program could improve the ability of learners in reading, writing, and arithmetic.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,032
Tête enseignante GPT0,289
Écart entre enseignants0,258 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetVocational and Entrepreneurial EducationTravaux en français237 207