A Collaborative Response to the COVID-19 Challenge: Developing an International Platform for Sharing E-learning Materials for Veterinary Education
Notice bibliographique
Résumé
When the COVID-19 pandemic swept through Europe in 2020, veterinary educational institutions faced new challenges overnight: distance learning became imperative, and teachers were forced to develop e-learning material on the fly. As a response to the unfortunate situation, veterinary faculties at three European universities (Utrecht, Copenhagen, Helsinki) applied for and received an Erasmus+ grant to develop an international platform for sharing veterinary e-learning material. Technical and administrative challenges caused a slow start. This added to the already limited timeframe and demonstrated the obstacles involved in trying to fuse organizational, legal, digital, educational, and cultural systems across national borders. Still, within the 2-year grant period, the partners managed to establish a platform for sharing veterinary e-learning materials among veterinary schools in Europe and eventually beyond. Furthermore, a website was designed for the project, as well as a Teachers' Forum, and relevant guidelines for up- and downloading and for the creation of new e-learning material. Privacy and copyright regulations were incorporated in a consent form to be accepted before uploading material. In order to disseminate the project, three webinars were held for colleagues at European veterinary schools. The current and additional papers as well as abstracts will make the project visible and subsequently available to the veterinary community. At present, 61 teachers have registered with the Veterinary Online Collection. Hopefully, a growing community of veterinary educators will become interested in sharing teaching material and experiences across national borders, thus facilitating veterinary teaching in general and during future lock-downs in particular.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gpt | aucune catégorie Domaine: non disponible · Genre: Autre Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | high |
| grok | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | high |
| opus | aucune catégorie Domaine: non disponible · Genre: Autre Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | medium |
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,054 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,003 |
| Communication savante | 0,012 | 0,016 |
| Science ouverte | 0,004 | 0,033 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,010 |
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 validéeÉtiqueté directement par 3 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».