MétaCan
Menu
Retour à la cohorte
Enregistrement W4360976874 · doi:10.5539/ies.v16n2p103

The System Architecture of Intelligent Student Relationship Management Based on Cognitive Technology with Conversational Agent for Enhancing Student’s Loyalty in Higher Education

2023· article· en· W4360976874 sur OpenAlexvenueno aff
Nutthapat Kaewrattanapat, Panita Wannapiroon, Prachyanun Nilsook

Notice bibliographique

RevueInternational Education Studies · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueAI in Service Interactions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLoyaltyInterquartile rangeComputer scienceImplementationKnowledge managementPsychologyMarketingStatisticsMathematicsSoftware engineeringBusiness

Résumé

récupéré en direct d'OpenAlex

This paper presents the conceptual framework, value chain model and the system architecture of intelligent student relationship management based on cognitive technology with conversational agent for enhancing student’s loyalty in higher education. The purposes were to synthesize the conceptual framework and apply it to develop the value chain model and the system architecture of intelligent student relationship management based on cognitive technology with conversational agent for enhancing student’s loyalty in higher education and assess the developed value chain model and system architecture. The questionnaire was employed as the instrument to assess and certify the value chain model and the system architecture by the experts. The 5 point-Likert scale was used to identify the level of agreement of the value chain model and system architecture certification assessment. The instrument was verified by five experts using content validity index (CVI). After that, the value chain model and the system architecture were verified based on the consensus assessments of seventeen experts using mean, standard deviation (S.D.), median, interquartile range and quartile deviation. The results revealed that the experts had a consensus on the value chain model developed based on the conceptual framework (Mean = 4.89, S.D. = 0.27, Median = 5, Interquartile Range: I.R. = 0.00, Quartile Deviation: Q.D. = 0.00). They also had a consensus to approve the system architecture developed based on the value chain model (Mean = 4.70, S.D. = 0.55, Median = 5, Interquartile Range: I.R. = 1.00, Quartile Deviation: Q.D. = 0.50).

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,061
Tête enseignante GPT0,396
Écart entre enseignants0,335 · 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'étudeSimulation ou modélisation
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetAI in Service InteractionsTravaux en français237 207