MétaCan
Menu
Retour à la cohorte
Enregistrement W4312178003 · doi:10.18357/otessac.2022.2.1.218

Critical Change in the Educational Landscape: Reimagining, Reengineering, and Redesigning a Better Future

2022· article· en· W4312178003 sur OpenAlexaffvenue
Aras Bozkurt, Terry Greene, Valerie Irvine

Notice bibliographique

RevueThe Open/Technology in Education Society and Scholarship Association Conference · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensUniversity of VictoriaTrent University
Organismes subventionnairesnon disponible
Mots-clésGlobeBusiness process reengineeringCoronavirus disease 2019 (COVID-19)PandemicProcess (computing)2019-20 coronavirus outbreakSociologyEvent (particle physics)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Political scienceEngineering ethicsEnvironmental ethicsPublic relationsHistoryBusinessEngineeringPsychologyComputer scienceMedicineMarketingPhilosophy

Résumé

récupéré en direct d'OpenAlex

Undoubtedly, the entire globe is in the middle of a transition process owing to the forced impact of the COVID-19 pandemic that has urged us to change radically and critically. Motivated by the need to understand ongoing changes, this editorial intends to surface crucial issues that can possibly impact and shape the educational landscape and its future. In this sense, this editorial sees the COVID-19 pandemic as a triggering event and explores issues that are significant for educational systems. In essence, the normal as we knew it was problematic and the crisis that emerged with the COVID-19 pandemic can be an opportunity to transform the educational systems that were accustomed to rigid structures.

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)0,003
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 enseignants0,419
Score d'incertitude au seuil0,628

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,071
Tête enseignante GPT0,420
Écart entre enseignants0,349 · 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

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Open/Technology in Education Society and Scholarship Association ConferenceMême sujetCOVID-19 and Mental HealthTravaux en français237 207