Tech-social synergy: nurturing community well-being
Notice bibliographique
Résumé
Journal Article Tech-social synergy: nurturing community well-being Get access Lucky Ihaura, Lucky Ihaura Departement of Early Childhood Education Teacher Education, Faculty of Education and Vocational, Universitas Lancang Kuning, Riau 28266, Indonesia Address correspondence to Lucky Ihaura, E-mail: lucky@unilak.ac.id. Search for other works by this author on: Oxford Academic PubMed Google Scholar Dwi Sri Rahayu, Dwi Sri Rahayu Department of Guidance and Counseling, Faculty of Training and Education, Universitas Katolik Widya Mandala Surabaya-Kampus Kota Madiun, 63131, Indonesia https://orcid.org/0000-0002-4078-6533 Search for other works by this author on: Oxford Academic PubMed Google Scholar Sean Marta Efastri, Sean Marta Efastri Departement of Early Childhood Education Teacher Education, Faculty of Education and Vocational, Universitas Lancang Kuning, Riau 28266, Indonesia Search for other works by this author on: Oxford Academic PubMed Google Scholar Felix Trisuko Nugroho Felix Trisuko Nugroho Department of Guidance and Counseling, Faculty of Training and Education, Universitas Katolik Widya Mandala Surabaya-Kampus Kota Madiun, 63131, Indonesia Search for other works by this author on: Oxford Academic PubMed Google Scholar Journal of Public Health, fdae045, https://doi.org/10.1093/pubmed/fdae045 Published: 31 March 2024 Article history Received: 24 January 2024 Accepted: 18 March 2024 Published: 31 March 2024
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».