MétaCan
Menu
Retour à la cohorte
Enregistrement W4404444160 · doi:10.37870/joqie.v14i24.452

Le Canada comme partie prenante en matière de coopération Universitaire multilatérale

2024· article· fr· W4404444160 sur OpenAlexaboutno aff
René Rodrigue Lionel Kana Etoundi

Notice bibliographique

RevueThe Journal of Quality in Education · 2024
Typearticle
Languefr
DomaineHealth Professions
ThématiqueHealthcare Systems and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

La présente réflexion questionne la participation du partenaire Canadien dans le programme de coopération universitaire panafricain de l’Institut Africain des Sciences Mathématiques (AIMS). Fondé à Cape Town en Afrique du Sud en 2003, c’est en Juillet 2013 que le centre d’excellence au Cameroun ouvre ses portes. Ce programme international connait une participation effective de plusieurs parties prenantes. Parmi celles-ci, figure le Canada. La coopération au tour de cette initiative permet de proposer des activités de formation universitaire avec un encadrement novateur et environnement d’apprentissage moderne. Cependant dans quel registre du rapport coopératif faut-il inscrire la participation du partenaire canadien ? L’objectif de cet article est de mener une réflexion critique en vue de l’amélioration du partenariat multilatéral en matière de coopération universitaire en Afrique. La démarche empirico-inductive. L’étude est qualitative et exploratoire. L’approche Oumarienne (2022) de la théorie des parties prenantes permet de construire une analyse critique des contenus et des données issues des entretiens. En résultat, la présentation du programme laisse entrevoir un déploiement financier important de la part du Centre de Recherche et de Développement International canadien. L’analyse diachronique de cet apport montre que le programme panafricain est financièrement dépendant de l’apport canadien.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,930
Score d'incertitude au seuil0,505

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0150,008
Communication savante0,0110,004
Science ouverte0,0010,006
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0260,001

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 Opus0,136
Tête enseignante GPT0,487
Écart entre enseignants0,352 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Quality in EducationMême sujetHealthcare Systems and PracticesTravaux en français237 207