MétaCan
Menu
Retour à la cohorte
Enregistrement W7097120871

Editorial – The Landscape of Prior Learning Assessment: A Sampling from a Diverse Field

2011· article· en· W7097120871 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Learning Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVariety (cybernetics)Experiential learningTerminologyField (mathematics)Selection (genetic algorithm)Active learning (machine learning)Open learning
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We live today, as educators and global citizens, in a time of convergence, due in great part to the phenomenal rise of social media and networking tools that have reduced barriers to and boundaries between exchange and domains, beyond what our early trail-blazing distance educators could even have imagined. This special issue of IRRDOL features another exciting convergence – one that represents the somewhat narrow overlap of interests between open and distance learning (ODL) and the recognition of prior learning (RPL). In this special issue, therefore, we offer a selection of articles and practitioner-based reports that, in varying measures, span both fields. Two important foundational issues underlying the prior learning field should be addressed here. The first concerns language. Prior learning recognition, although practiced globally, has a wide variety of labels and acronyms. In Canada, we are most likely to refer to it as PLAR – prior learning assessment and recognition. RPL – recognition of prior learning – is also beginning to become popular in certain Canadian jurisdictions. In the United States, PLA – prior learning assessment – is the most common label. Around the rest of the world, the shared understanding that informally or experientially attained learning can be recognized for credit toward credentialization is referred to as the assessment of prior learning (APL), the assessment/accreditation of prior and experiential learning (APEL), and a variety of other similar terms. You will notice, in the articles in this issue, a variety in terminology that would logically accompany an international publication. This short editorial uses the PLAR acronym. International

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)0,008
score de la tête « metaresearch » (Gemma)0,041
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: aucune
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,041
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,002
Études des sciences et des technologies0,0040,004
Communication savante0,0110,006
Science ouverte0,0030,002
Intégrité de la recherche0,0070,010
Charge utile insuffisante (le modèle a refusé de juger)0,0180,010

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 Opus0,069
Tête enseignante GPT0,393
Écart entre enseignants0,324 · 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
GenreÉditorial

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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHigher Education Learning PracticesTravaux en français237 207