MétaCan
Menu
Retour à la cohorte
Enregistrement W4311837237 · doi:10.2991/978-2-494069-25-1_32

Artificial Intelligence: The Views of Tertiary-Level Foreign Language Learners

2022· book-chapter· en· W4311837237 sur OpenAlexaff
Mariane Gazaille, Dana Di Pardo Léon-Henri, Andréanne L. Nolin, Noémie Gendron Perrault

Notice bibliographique

RevueAdvances in Social Science, Education and Humanities Research/Advances in social science, education and humanities research · 2022
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueIntelligent Tutoring Systems and Adaptive Learning
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesUniversidad del Rosario
Mots-clésSoftware deploymentComputer scienceData scienceForeign languageArtificial intelligenceWorld Wide WebHuman–computer interactionMultimediaSoftware engineeringMathematics educationPsychology

Résumé

récupéré en direct d'OpenAlex

Artificial intelligence (AI) has developed dramatically in recent decades. Its use has been unprecedented in various disciplines and fields such as: data science, information science, online marketing and data mining from the development of various platforms, as well as in the area of "connected' objects. Since the advent of AI, we have been moving towards ubiquitous computing. Widely used in our everyday personal and professional lives, computing technology has become increasingly "intelligent" and capable of anticipating our every need, with the goal of helping us to be more productive in the long run. Generally speaking, technology refers here to the deployment of an application in a computer system, with or without the use of AI; however, the use of AI in language learning applications is still somewhat neglected.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,008
Communication savante0,0150,007
Science ouverte0,0010,003
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,184
Tête enseignante GPT0,455
Écart entre enseignants0,271 · 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'étudeQualitatif
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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Social Science, Education and Humanities Research/Advances in social science, education and humanities researchMême sujetIntelligent Tutoring Systems and Adaptive LearningTravaux en français237 207