MétaCan
Menu
Retour à la cohorte
Enregistrement W4389439536 · doi:10.22554/ijtel.v7i2.151

Having a ‘Chat’ about Hybrid and HyFlex

2023· article· en· W4389439536 sur OpenAlexaff
Aodán Farrelly

Notice bibliographique

RevueIrish Journal of Technology Enhanced Learning · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueArtificial Intelligence in Healthcare and Education
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPerplexityComputer scienceNarrativePatiencePresentation (obstetrics)Generative grammarProcess (computing)Artificial intelligencePsychologyLinguisticsProgramming languageSocial psychology

Résumé

récupéré en direct d'OpenAlex

This paper offers a reflective narrative detailing the utilisation of generative artificial intelligence (GenAI), with a focus on ChatGPT 3.5, HIX.AI, and Perplexity, in the construction of a concise report on Hybrid and HyFlex teaching models. The writing approach encompassed the formulation of prompts directed at GenAI, tackling issues related to naming conventions, student implications, and strategies for effective teaching in Hybrid and HyFlex settings. Following the presentation of the report produced by GenAI, the paper culminates in a critical reflection on the overall writing process involving GenAI and considers the possible implications. The overall sense from this exercise is that free versions of GenAI can produce a reasonably competent and articulate piece of work but only with time, patience and an existing prior knowledge base that enables the ‘author’ to be able to evaluate and interact with the AI output.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,912
Score d'incertitude au seuil0,389

Scores Codex et Gemma par catégorie

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

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 Opus0,089
Tête enseignante GPT0,419
Écart entre enseignants0,330 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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 revueIrish Journal of Technology Enhanced LearningMême sujetArtificial Intelligence in Healthcare and EducationTravaux en français237 207