MétaCan
Menu
Retour à la cohorte
Enregistrement W4320483377 · doi:10.55667/ijede.2022.v37.i2.1272

From Metastudies to Metaverse

2023· article· en· W4320483377 sur OpenAlexvenueno aff
Ray Gallon, Neus Lorenzo Galés

Notice bibliographique

RevueInternational journal of e-learning & distance education · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMetaverseAgile software developmentStatus quoCritical thinkingSociologyKnowledge managementEngineering ethicsPublic relationsComputer sciencePolitical sciencePedagogyEngineeringVirtual reality

Résumé

récupéré en direct d'OpenAlex

The authors believe that the Metaverse is a paradigm shift infrastructure technology that may make 60% of universities irrelevant in the next 20 years if they don’t move away from the meta-studies model. Meta-studies refers to an archival, largely paper-based process of “teaching” what other people have written about, focused on the past, and supported by the “publish or perish” imperative. The Covid-19 pandemic has forced universities into adopting technologies that form a part of the Metaverse, but for the most part they have used these technologies to perpetuate the status quo. If universities cannot change their practices to become more agile, adopting design thinking, inquiring minds, and critical thinking not only for students but also for themselves as institutions, it will be commercial entities such as Meta and Microsoft who will decide what education will take place in the Metaverse, and students will go there whether universities are present or not. It is therefore important that universities change their own paradigms, and engage with this technology to discover how it can be used effectively in education, so as to foster principles and values for building knowledge and cementing ethical, sustainable practices.

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)0,035
score de la tête « metaresearch » (Gemma)0,055
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,185

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0350,055
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,004
Études des sciences et des technologies0,0120,049
Communication savante0,0300,055
Science ouverte0,0030,017
Intégrité de la recherche0,0090,016
Charge utile insuffisante (le modèle a refusé de juger)0,0140,003

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 Opus0,021
Tête enseignante GPT0,338
Écart entre enseignants0,317 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational journal of e-learning & distance educationMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207