Social Networking Game as a Way to \nLearn Nations Characteristics
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,009 |
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 source (Gemma direct ou Codex distillé), 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 ».