MétaCan
Menu
Retour à la cohorte
Enregistrement W4312399455 · doi:10.24043/isj.400

Views of the islands: The geographical perception of the Balearic Islands among graduate students in primary education

2022· article· en· W4312399455 sur OpenAlexvenueno aff
Jaume Binimelis Sebastián, Antoni Ordinas Garau, Maurici Ruiz‐Pérez

Notice bibliographique

RevueIsland Studies Journal · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeography Education and Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPerceptionGeographyMental mappingField (mathematics)Balearic islandsFive themes of geographyInformation literacyCartographyPedagogyMathematics educationSociologyPsychologyHuman geographyHistorical geographySocial psychologyEconomic geographyDevelopment geography

Résumé

récupéré en direct d'OpenAlex

Geographic literacy is a field of research with a great tradition. This area was first developed in the British and North American academic circles in the 1980s and 1990s, and research has continued until the present day. The analysis of perception and knowledge of geography has focused on the enclaves (toponyms) mentioned in the mental maps (place location knowledge) prepared by university undergraduate students of the primary education teaching major. However, this focus is also on an approach where few studies have been made, yet it has been facilitated by the incorporation of modern geographic information technologies. The authors test a methodology for surface area and perimeter size analysis on the mental maps of the Balearic Islands made by future teachers, comparing their distortions in relation to the real model. After analyzing the results, the most notable common pattern describing the insular students’ perception of the isles is ethnocentrism, which undoubtedly has important implications in the field of geographic education.

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)0,004
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,004
Communication savante0,0030,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,057
Tête enseignante GPT0,377
Écart entre enseignants0,320 · 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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIsland Studies JournalMême sujetGeography Education and PedagogyTravaux en français237 207