Intelligent Platform of Ideological and Political Education Resources under Digital Education Environment
Notice bibliographique
Résumé
With the development of China's society, the construction and utilization of digital educational resources in the field of basic education in China has many years of practical experience and is gradually developing in depth. In this paper, the text quantization in vector space model was discussed in depth, and the improved Term-Frequency Inverse Document Frequency (TF-IDF) formula was described in detail, which aimed to build an intelligent platform for Ideological and Political Education (IPE) resources. In this paper, 200 students and 50 ideological and political teachers were investigated by questionnaire. It could be seen from the questionnaire data of teachers that only 20.00% of teachers were very satisfied with the application of digital education resources in the existing ideological and political discipline teaching. According to the data of the group experiment of 200 students, before the experiment, the scores of learning efficiency and learning achievement of the experimental group were 5.00 and 5.30 respectively, and the scores of the control group were 5.10 and 5.40 respectively. After the intervention experiment of IPE resource intelligence platform, the learning efficiency and learning achievement scores of the experimental group were 7.90 and 7.60 respectively, and the scores of the control group were 6.20 and 6.10 respectively. It was not difficult to see that the intellectual platform of IPE resources had a promoting effect on students' learning and was worthy of further promotion and application.
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 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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».