MétaCan
Menu
Retour à la cohorte
Enregistrement W4411442877 · doi:10.1016/j.joitmc.2025.100576

RETRACTED: Designing educational strategies for experiential learning: An AHP-fuzzy logic case study at carleton university

2025· article· en· W4411442877 sur OpenAlexafffund
Armin Mahmoodi, Jeremy Laliberté

Dossier post-publication

OpenAlex signale ce travail comme rétracté, mais aucune notice correspondante de Retraction Watch ne figure dans cette base.

Notice bibliographique

RevueJournal of Open Innovation Technology Market and Complexity · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCarleton University
Mots-clésExperiential learningFuzzy logicComputer scienceArtificial intelligenceMathematics educationPsychology

Résumé

récupéré en direct d'OpenAlex

This study proposes a hybrid decision-making framework integrating SWOT analysis, Analytic Hierarchy Process (AHP), and Fuzzy Number Theory (FNT) to structure and evaluate stakeholder perspectives on experiential learning. Applied at Carleton University, the model prioritizes experiential learning strategies using over 300 structured questionnaire responses from students and faculty. To ensure theoretical alignment, the analysis is interpreted through Kolb’s Experiential Learning Theory. Results show that students emphasize external partnerships, while faculty prioritize internal capacity building. The use of fuzzy logic addresses uncertainty and enables more balanced, stakeholder-informed planning. This study contributes to strategic educational planning by demonstrating how structured decision science methods can incorporate stakeholder preferences into actionable strategies. Future research may involve additional actors, such as employers, or extend the model to curriculum development and digital transformation in higher 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)0,008
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,003
Communication savante0,0050,003
Science ouverte0,0030,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,095
Tête enseignante GPT0,399
Écart entre enseignants0,304 · 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.

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

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Open Innovation Technology Market and ComplexityMême sujetEducational Games and GamificationTravaux en français237 207