Social Networking Game as a Way to \nLearn Nations Characteristics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Social Networking born since \ninternet was founded. Not only that, base \nhuman characteristic to be make sociality \nwith each other making Social Networking \nbecome popular. Facebook is one of \nSocial Networking in the world. Found by \nMark Zuckenberg at 2004, later Facebook \ngrow bigger and now Facebook became \none of the most popular Social \nNetworking. According to data from \nFacebook, until second quarter of 2013 at \nleast there are about 1,14 billion accounts \non it. \n The main function of \n Social \nNetworking is to socialize people around \nthe world using internet. But now, people \ncan use Social Networking like Facebook \nnot only for meet new friends but also to \nplaying online games. There are a lot of \ngames available on Facebook, like fighting \n, card, adventure and many more. But \nmost of them only point in entertaining. \nTherefore, how if using game on Social \nNetworking to learn. Especially about \nNations Characteristics as culture, \ngeographic, history and many more. So, \npeople in the world know about Nations \nCharacteristics with unique way. Not only \nthat, this way also provide advantages to \nthe Nations itself on the tourism sector. \nFor the players, this is not only to learn \nand have fun, but also can help in \nCharacter Building.
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.
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 | 0,000 | 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 découle