MétaCan
Menu
Retour à la cohorte
Enregistrement W7067782132

Normalising standards in educational complexity: A network analysis

2010· book-chapter· en· W7067782132 sur OpenAlexaff

Notice bibliographique

RevueStirling Online Research Repository (University of Stirling) · 2010
Typebook-chapter
Langueen
DomainePhysics and Astronomy
ThématiqueMagnetic confinement fusion research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAuditCompliance (psychology)Key (lock)Competition (biology)Best practiceVariation (astronomy)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The proliferation of transnational workplace sites has strengthened the demands for consistent standards of practice and operation. These are increasingly applied and regulated internationally through technologies such as ISO 9000. Workplace learning programs have been designed to reduce variation in skills and procedures at the local level, and to increase individuals’ compliance with regulatory manuals, audit forms, error reports etc. Yet at the same time, a key emphasis for organizations attempting to survive amidst global competition is to increase innovation across different units and different operation levels. This push for innovation has been coupled with ideals of a learning organization wherein all employees are supposed to learn continuously, e.g. to increase variation. This paper explores the organizational tension between centrally imposed demands for both standardized practice and innovative challenges to existing standards that often produces complete separation of design and execution functions, sometimes into sites located in different countries. It shows how in practice, workers continue to experiment and learn in ways that deliberately subvert reductionist standards measures, or that produce local innovations that are unrecognized by these measures.

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)0,003
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,007
Études des sciences et des technologies0,0020,004
Communication savante0,0060,010
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,047
Tête enseignante GPT0,322
Écart entre enseignants0,276 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStirling Online Research Repository (University of Stirling)Même sujetMagnetic confinement fusion researchTravaux en français237 207