Research on the Intelligent Development Path of Civic Education Theory System in the New Era Based on Deep Learning
Notice bibliographique
Résumé
This topic is based on the perspective of diagnostic evaluation, formative new evaluation, summative evaluation, in-depth analysis of deep learning to help the intelligent development of ideological and political education. The initially formulated questionnaire was modified several times, and the questionnaire design task was finally completed, and the formal distribution of questionnaires began to obtain the data for this study. At this level, the empirical research method combining quantitative research and qualitative research is used to deeply analyze the current situation of the intelligent development of ideological and political education in colleges and universities under the perspective of deep learning, with a view to contributing to the intelligent development of ideological and political education in colleges and universities. The mean value of the five dimensions of ideological and political education to stimulate the effectiveness of active learning (A1), promote the degree of in-depth understanding (A2), deepen the effect of interactive participation (A3), enhance the ability of higher-order thinking (A4), and expand the quality of the transfer of the use of the quality of the five dimensions (A5) is higher than 3.55 points, in addition to the significant difference in the characteristics of the samples (gender, academic qualifications, major, political profile), and puts forward five paths for the development of the five development paths, which are aimed at helping to promote the new era of the intelligent development of Civic and Political Education.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».