Notice bibliographique
Résumé
feedback dangers 202-3 literature reviews 100, 102, 109-10 referencing systems 200 use of paraphrasing 198 action research 49-50, 67, 235 activist methodology 48, 235 Android 228 anecdotes 71-2 ANOVA (analysis of variance) 176-7 APIs (application programming interfaces) 128-9, 235 appendices 196 Apple iCloud 229 Apple iWork for iCloud 229 Apple Mac 227, 228 appendices 196 apps 54, 228-30 time management 189 use of cloud-based services 7-8, 229-30 archival data 126-7, 235 arts-based research 52-3, 235 audio software 160-1 audits, for time management 83-4 Australia 6 SRoI 27 survey data 131 averages see mean/median/mode B background research 99-118, 235 backing up work 7-8, 229-30 Bad science (Goldacre 2009) 108 Barber, R. et al. 22-3 benchmarking between services, use of SRoI 29 bibliography 104-5, 235 BioMed Central 110 bivariate statistics 174-5, 235 Bourgois, P. 27 Index British Library 114-15 C Canada data centres 124-5 library services 115 survey data 130 case study research 152-3, 236 CAT software 168 census data 129 CESSDA (EU) data archives 125 Chandler, Raymond 189 chi-square test 174-5, 176 children 87, 88-9 consent issues 151 use of 'draw and write' data 151 'chunking' workload 79, 82 writing 188-9, 191-2 citations and references 200-1, 236, 243 how many 113-14 record-keeping 103-5, 226 closed questions 137, 139, 236 cloud-based services 7-8, 229-30 drawbacks 229-30 cluster analysis 176-7 codes of conduct 29, 233-4 coding see data coding 'coding frames' 165-7, 168, 236 collaborative projects 21-2 commissioning research 12-13 communication skills 4 doing interviews 141-2 computer operating systems 227-8 compatibility and collaboration 228-31 computer software applications/programs 228 costs of 230 formatting of files 228-31 free and open source (FOSS) 171, 182, 230 see also web-based research publishing consent see informed consent constructionist methodologies 45-6, 48, 236 content analysis 68, 178, 236 content validity see face validity continuing professional development 86-7 convenience sampling 70, 236 correlation coefficients 174-5, 176, 236 Cottrell, S. 107 counting methods 135 covariate relationship 236 creative data collection methods 153-4 creative research dissemination 214,
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,004 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».