MétaCan
Menu
Retour à la cohorte
Enregistrement W7095377116

Access to information and instructional technologies in higher education I: Disability service providers’ perspective

2004· article· en· W7095377116 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Accessibility for Disabilities
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPremisePerspective (graphical)Service (business)Service providerUploadHigher educationWeb 2.0
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This is an applied companion to our empirical article elsewhere in this issue (Fichten et al., in press) on technological needs and concerns of Canadian junior/community college- and university-based disability service providers. Here, we provide highlights of our findings as well as timely, practical recommendations to disability service providers about ensuring access to the growing array of information and instructional technologies on campus. The objective is to provide (a) an overview of the emerging landscape of information and instructional technologies appearing on campus, (b) campus-based disability service providers ’ views about these and how these relate to adaptive technologies, and (c) suggestions about how to be proactive on campus so that information and instructional technologies are accessible to all students, particularly those with disabilities. The underlying premise of this article is that infor-mation and instructional technologies are part of the everyday lives of college and university students now, and for the foreseeable future. Whether it is registering via the Web for a semester’s worth of courses, taking a university degree fully on-line, conducting complex phys-ics experiments using a computer-based simulation tool, or downloading assignments from a professor’s Web site, students are bombarded with multiple opportunities to

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,156
Score d'incertitude au seuil0,311

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0090,007
Communication savante0,0100,007
Science ouverte0,0010,004
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0110,000

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 Opus0,038
Tête enseignante GPT0,343
Écart entre enseignants0,305 · 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'étudeQualitatif
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

Citations0
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDigital Accessibility for DisabilitiesTravaux en français237 207