Towards Achieving Education For All: Realizing Sustainable Development Goals Through Space Systems and Artificial Intelligence
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Education for All project of Nanritam, an Indian non-profit, is an ambitious yet necessary idea born out of the difficulties faced during COVID-19 pandemic. One of its main projects is the Filix School established in 2014 in a remote rural and economically backward area of Purulia, West Bengal, India with the aim of providing holistic, equitable and quality education to the socio-economically challenged children of surrounding area. Filix School has very successfully implemented a unique research-based experiential pedagogy over the past decade, significantly improving the academic outcomes of these children. However, the pandemic meant that the school had to provide education by digital means. Thus, ideated that the education provided to the students of Filix school could be leveraged to a larger community. Co-created by school students under supervision, the Filix Innovation Hub has created an artificial intelligence enabled system that provides education to remote areas, including through space systems. Whereas the project is based in India, it may be customized for other parts of the world. This project bolsters the idea that excellent and contextualized quality education with the help of digital transformation can be instrumental to achieve the United Nations’ Sustainable Development Goals. For this project, Nanritam has partnered with a non-profit space policy initiative - ACES Worldwide, reiterating the importance of interconnectedness and the need of space systems in communications between and with remote areas.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle