Informatiekrant 'Samen tegen Pesten'
Notice bibliographique
Résumé
Week tegen Pesten Van 26 tot en met 30 september is het de Week tegen Pesten, met als thema: Grapje! Moet toch kunnen?! Wanneer iets nog ‘grappig’ is, en wanneer het ‘pesten’ wordt, daar denkt iedereen verschillend over. Dat maakt het oplossen van pesten moeilijk, zeker als je dat samen met anderen wilt doen. Voor een goede samenwerking is het daarom belangrijk dat je op één lijn komt met de ander. Dat doe je door met elkaar te praten, maar vooral ook door goed naar elkaar te luisteren. Dat bleek uit recent onderzoek van Rosanne Spruijt (e.r.spruijt@pl.hanze.nl), promovenda aan de Hanzehogeschool Groningen en Rijksuniversiteit Groningen. Bespreek bijvoorbeeld met elkaar: •Wat weten jullie over de situatie en hoe denken jullie erover? •Wat zou kunnen helpen, en welke rol is daarbij voor jezelf en de ander weggelegd? •Wanneer en hoe houden jullie elkaar op de hoogte van de aanpak en de uitkomst? Over de aanpak van pesten lees je meer in de informatiekrant ‘Samen tegen Pesten’!
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 | 0,004 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,011 | 0,009 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,356 | 0,297 |
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 ».