MétaCan
Menu
Retour à la cohorte
Enregistrement W4387702748 · doi:10.5430/jct.v12n5p24

Digital Learning Hubs as a Component of the Information and Digital Learning Environment

2023· article· en· W4387702748 sur OpenAlexvenueno aff
Oleksandr Muliarevych, Volodymyr Saienko, Antonina Hurbanska, Barbara Nowak, Oleksandr Marushchak

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Innovations and Challenges
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSociocultural evolutionDecentralizationProcess (computing)Component (thermodynamics)PhenomenonDigital learningKnowledge managementComputer scienceHigher educationDigital transformationE learningEducational technologyMathematics educationMultimediaPsychologySociologyWorld Wide WebPolitical scienceEpistemology

Résumé

récupéré en direct d'OpenAlex

The article aims to analyse digital education in terms of modern information and the digital learning environment. Based on the use of such theoretical pedagogical research methods as system analysis, concretisation comparativistic approach the study is investigated. The results demonstrate the functioning of educational hubs as a sociocultural phenomenon in modern educational policy, the modern experience of using digital hubs in education, particularly, the experience of CISCO and other influential players, the possibility of forming digital learning hubs based on libraries of higher education institutions. It is shown that important directions for further research are the coverage of the development of technologies and the impact of this process on the evolution of educational environments in the future. In conclusion, it was noted that the use of educational digital hubs contributes to the decentralisation of the educational system. The effectiveness of the use of regular test competitions are noted, which contributes to the formation of a competitive environment.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,004
Communication savante0,0060,006
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,008
Tête enseignante GPT0,228
Écart entre enseignants0,220 · 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'étudeSans objet
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

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetEducational Innovations and ChallengesTravaux en français237 207