MétaCan
Menu
Retour à la cohorte
Enregistrement W4388701222 · doi:10.59287/as-proceedings.34

Digitization And Higher Education In Algeria

2023· article· en· W4388701222 sur OpenAlexfundno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology in Education and Learning
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institute for Advanced Research
Mots-clésDigitizationPaceHigher educationEconomic shortageCitizen journalismInformation and Communications TechnologyComputer sciencePolitical sciencePublic relationsGovernment (linguistics)GeographyTelecommunicationsWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

This research deals with the topic of digitization in higher education especially in Algeria due to the importance of this sector and its vitality in graduating academic competencies, and the importance of digitization in keeping pace with rapid and continuous development and considered one of the aspects of applying communication technology. The research aims to define digitization, its effects, limits, and its current levels and challenges in the higher education sector in general, especially in Algeria. To highlight these concerns, we relied on statement of factual data from official sources, from previous studies and from participatory observation data due to the author’s contact with the university and knowledge of some aspects of interaction therein. The research concluded that higher education in Algeria was strengthened by the digital system gradually and slowly, and the movement accelerated after the pandemic Covid-19, specifically since 2021, with intensive efforts and budgets recorded to absorb the shortage. However, there are gaps: in terms of network and technical coverage, in terms of the characteristics of digital itself, which always remains in challenges and risks, as well as on the other hand, the convictions of its users in the effectiveness of this method compared to the traditional dealing without technology.

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 enseignants0,029
Score d'incertitude au seuil0,057

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
Bibliométrie0,0010,005
Études des sciences et des technologies0,0020,003
Communication savante0,0040,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,010
Tête enseignante GPT0,271
Écart entre enseignants0,261 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBlockchain Technology in Education and LearningTravaux en français237 207