MétaCan
Menu
Retour à la cohorte
Enregistrement W48730118

Electronic Performance Support: An End User Training Perspective

2004· article· en· W48730118 sur OpenAlexfundno aff
Ji‐Ye Mao

Notice bibliographique

RevueJournal of the Association for Information Systems · 2004
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpreadsheets and End-User Computing
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaUniversity of Waterloo
Mots-clésRetrainingComputer scienceKnowledge managementEnd userCompetitor analysisConceptualizationCommitPerspective (graphical)Electronic performance support systemsWorld Wide WebArtificial intelligenceMarketing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper investigates the potential of electronic performance support (EPS) for end-user training. It consists of three components, an overview and conceptualization of EPS, an analysis of its main features based on various learning theories, and a framework for evaluating its potential for end-user training. The analysis shows that EPS is complementary to traditional training methods in many ways. Significant benefits can be expected from the integration of working and learning, which is central to EPS. Several propositions are proposed along with the research framework: The success of EPS is likely contingent upon its fit with users’ characteristics, IT tools to be used, and the expected knowledge outcomes.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,003
Communication savante0,0050,005
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,016
Tête enseignante GPT0,243
Écart entre enseignants0,228 · 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'étudeObservationnel
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

Citations7
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Association for Information SystemsMême sujetSpreadsheets and End-User ComputingTravaux en français237 207