MétaCan
Menu
Retour à la cohorte
Enregistrement W4310436358 · doi:10.21432/cjlt28262

Defining and Exploring Broadband Connections and Education Solutions in Canada’s North

2022· article· en· W4310436358 sur OpenAlexafffundvenueabout
Tammy Soanes-White

Notice bibliographique

RevueCanadian Journal of Learning and Technology · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensAthabasca UniversityAurora College
Organismes subventionnairesBeijing Normal UniversityAthabasca University
Mots-clésGeospatial analysisInternet accessBroadbandDigital divideUploadTelecommunicationsThe InternetVariety (cybernetics)Computer scienceDownloadDistance educationWorld Wide WebGeographyRemote sensingSociology

Résumé

récupéré en direct d'OpenAlex

The use of technology and need for connection across distance permeates all education environments; nowhere is this more important than in Canada’s Northwest Territories. Broadband and telecommunications issues within the Northwest Territories are complex due to its vast geographical area and community dispersion, making connectivity and accessibility inconsistent. Due to these conditions, the North relies on a variety of broadband solutions to improve Internet speeds and access to education at a distance. This paper analyzes the impacts that broadband capacity and Internet access have on remote education by examining geographic information system data, which offers a framework that connects spatial and temporal data to analyse accessibility of remote education. Characteristics such as spatial location of communities, infrastructure (road systems), and the overlay of various broadband options will illustrate constraints and (dis)connectivity in various regions and inform readers about the complexity of remote connections. Analysis of current upload and download speeds from various regions and their impact on access to education supports geospatial data and analysis that the digital divide in remote regions of Canada has increased and is widening. Improving equitable access to postsecondary education will require a greater reliance on technology-enabled practices to improve learning opportunities.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,101
Score d'incertitude au seuil0,401

Scores Codex et Gemma par catégorie

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

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 Opus0,028
Tête enseignante GPT0,201
Écart entre enseignants0,174 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2022
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Learning and TechnologyMême sujetClimate change and permafrostTravaux en français237 207