Regional study tours 4.0 development model design and cultural innovation research based on data analysis
Notice bibliographique
Résumé
In recent years, study travel has become a popular way to expand teaching outside the classroom.Based on the trajectory of the development of study travel, the article conducts an in-depth study of the current development of study travel in the context of the new era, and explores the 4.0 model of regional study travel development.Introducing big data and new technologies into study travel and designing a digital platform for study travel.Construct the evaluation index system of study travel, and evaluate the study travel 4.0 mode through questionnaires.Detect the study effect of the study travel 4.0 mode by comparing the impact of the study travel 4.0 mode and the traditional study travel mode on students' disciplinary literacy.The comprehensive score of the evaluation of the study trip was 4.17, and the study trip 4.0 mode achieved excellent evaluation results.The experimental group and the control group did not show significant differences before the experiment, and significant differences were produced after the experiment.The experimental group's scores on each dimension of geographic literacy increased by 6. 35, 5.56, 7.57, 5.01, 7.89, 5.75, and 38.13 points after the experiment, showing significant differences (p<0.05), while none of the control group's scores increased by more than 1.5 points, with p-values of greater than 0.05.The research and study trip 4.0 model has a significant positive effect on improving students' disciplinary literacy.At the same time, under the background of regional study tours, the cultural innovation strategy is put forward.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».