MétaCan
Menu
Retour à la cohorte
Enregistrement W4402683662 · doi:10.3167/trans.2023.130302

Introduction

2023· article· en· W4402683662 sur OpenAlexaboutno aff
Sarah Gibson, Lynne Pearce

Notice bibliographique

RevueTransfers · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Theory and Curriculum Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

This is the second instalment of a special section exploring the pedagogies—classroom and otherwise—associated with mobilities scholarship. As we discussed in the previous introduction (Transfers 13.1/2), the collocation of mobility and pedagogy is by no means a one-way street when it comes to innovation since, in several instances, novel theories and methodologies have emerged directly out of classroom teaching rather than the other way around.1 This dynamic was apparent in the discussions that took place at the first-ever conference dedicated to mobility pedagogy, which took place at Waterloo University, Canada, in 2018 (see Nicholson, 13.1), and is evidenced here in several articles across the two issues.2 As we discussed previously, the field's reputation for innovative methodologies is often the link between research and teaching, and the variety of applications continues to grow. In this special section introduction, we have therefore taken the opportunity to reflect upon some possible new directions for mobilities and pedagogy that take account of not only topical theoretical and political debates but also the pedagogic practices that may, themselves, inspire new research and “real-world” applications. In particular, we share some reflections on the way in which the concept of mobility justice, as first advanced by Mimi Sheller in 2018, lends a new dimension to mobility pedagogies and connects with research and teaching on social justice more broadly.3

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,343
Score d'incertitude au seuil0,937

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0060,005
Science ouverte0,0020,005
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,3430,187

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 Opus0,028
Tête enseignante GPT0,341
Écart entre enseignants0,313 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

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 revueTransfersMême sujetEducational Theory and Curriculum StudiesTravaux en français237 207