MétaCan
Menu
Retour à la cohorte
Enregistrement W4392669485 · doi:10.26754/cinaic.2023.0034

Microaprendizaje para estudiar bioeconomía y economía circular en sistemas agroalimentarios - [Microlearning to study bioeconomy and circular economy in agri-food systems]

2023· article· es· W4392669485 sur OpenAlexaff
Irene Blanco‐Gutiérrez, Alberto Gutiérrez, Juan Ramón Ferrer, Carmen López, Bárbara Soriano, María Blanco, Augusto Arce, Sonia García, Patricia Almendros, Carlos Gregorio Hernández, Isabel Bardají, Paloma Esteve

Notice bibliographique

Revuenon disponible
Typearticle
Languees
DomaineAgricultural and Biological Sciences
ThématiqueBioeconomy and Sustainability Development
Établissements canadiensAdidas (Canada)
Organismes subventionnairesUniversidad Politécnica de Madrid
Mots-clésCircular economyEconomicsBiologyEcology

Résumé

récupéré en direct d'OpenAlex

La bioeconomía y la economía circular son aspectos novedosos que están despertando un creciente interés. A pesar de ello, existen escasos materiales didácticos relacionados con estos conceptos, especialmente en el ámbito agroalimentario. El proyecto BIOCIR (Aprendizaje activo en bioeconomía y economía circular en sistemas agroalimentarios) pretende suplir esa carencia creando contenido audiovisual mediante técnicas microlearning. El proyecto involucra a alumnos de Grado y Máster de 9 asignaturas de la Escuela Técnica Superior de Ingeniería Agronómica, Alimentaria y de Biosistemas (ETSIAAB) en la elaboración vídeos cortos (2-5 minutos) sobre bioeconomía agraria y economía circular con el objetivo de consolidar una nueva fuente de material didáctico atractivo y transversal. Mediante encuestas a alumnos y profesores se evalúan las competencias adquiridas y la utilidad del material didáctico creado. Blanco-Gutiérrez, Irene; Gutiérrez, Alberto; Ferrer, Juan Ramón; López, Carmen; Soriano, Bárbara; Blanco, María; Arce, Augusto; García; Almendros; Hernández, Carlos Gregorio; Bardají, Isabel; Esteve, Paloma

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,215
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,020
Tête enseignante GPT0,237
Écart entre enseignants0,216 · 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.

Devis d'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBioeconomy and Sustainability DevelopmentTravaux en français237 207