MétaCan
Menu
Retour à la cohorte
Enregistrement W4409791189 · doi:10.61091/jcmcc127a-287

Curriculum Design and Learning Path in Grassland Ecological Study Tour Based on Support Vector Machine and Decision Tree Optimization

2025· article· en· W4409791189 sur OpenAlexvenueno aff

Notice bibliographique

RevueJournal of Combinatorial Mathematics and Combinatorial Computing · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Technology and Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGrasslandCurriculumDecision treeSupport vector machinePath (computing)Tree (set theory)Computer scienceEcologyMachine learningArtificial intelligenceSociologyMathematicsBiologyPedagogy

Résumé

récupéré en direct d'OpenAlex

With the in-depth promotion of ecological civilization education, the grassland natural ecology study course has become an important way to realize the comprehensive development of students.The article takes the design idea of grassland study course as the entry point, analyzes the design links of grassland ecology study course development, and proposes the design process of grassland ecology study course development based on this.Taking the second grade students of the first middle school in X city as the research object, the decision tree algorithm is used to optimize the relevant variables in the development of the grassland ecological study course, and the optimization model of the study path of the grassland ecological study course is established starting from the shortest distance and the least time.Based on the variables optimized by the decision tree algorithm, a DT-SVM model is built by combining the support vector mechanism to solve the learning path of the grassland ecological study course.Through the simulation and example data, it can be seen that the convergence accuracy of the DT-SVM algorithm shows the optimal accuracy under all experiments, and its mean value can be up to 3.652, and the average time consumed for obtaining the optimal learning path of the grassland ecology research course is only about 3.17min.And more than 65% of the students agreed with the teaching effect of the grassland ecology study course.The grassland ecology study course can significantly improve students' core literacy in geography, enhance their independent living skills, and better realize the school's teaching goal of promoting moral 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 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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,290
Écart entre enseignants0,275 · 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'étudeThéorique ou conceptuel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Combinatorial Mathematics and Combinatorial ComputingMême sujetEducational Technology and PedagogyTravaux en français237 207