Notice bibliographique
Résumé
OUTLINE of the Presentation on Peeragogy and Heutagogical Framework for Teaching AI Ethics Harun Rashid, Ph.D. Adjunct Professor, Wayne State University IEOM World Conference on October 14-16, 2025 Windsor, ON, Canada During the world-wide pandemic starting in 2019 a wide range of many creative online and remote teaching and learning concepts emerged. In all schools and colleges teaching and learning, in pre-service and in-service professional development training for the faculty and staff, in professional workshops, and in conferences we see a massive e-migration to the virtual world. With that increasing virtualization initiative, we see the increasing utility and effectiveness of many creative learning and teaching concepts that occur in the United States and many other countries in the world. Among them some of the significant teaching and learning concepts are andragogy, cybergogy, Heutagogy, and peeragogy. All these teaching and learning concepts have one significant element in common, and that is, that they all have become increasingly relevant in today’s digitally focused pedagogies and they all work wonder in terms of effectiveness. Out of many such creative teaching and learning concepts our focus will be on two of these strategies: Peeragogy and Heutagogy. We will concentrate on the framework for teaching and learning AI ethics by using these two highly effective strategies. In this discussion our focus will be on a synthesis between Heutagogy and Peeragogy, and the application of the synthetic framework of Heutagogy and peeragogy toward effective and meaningful teaching of AI Ethics. Thus, this discussion will include a brief description of Heutagogy, a brief description of Peeragogy, and a brief description of AI ethics. Teaching AI ethics faces several challenges, and this discussion will include those challenges turned into opportunities for growth for learners using the framework for teaching AI ethics using Peeragogical and Heutagogical strategies. This discussion will also include a rational justification for the success of this synthetic framework of Peeragogy and Heutagogy in teaching AI ethics.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gpt | aucune catégorie Domaine: non disponible · Genre: Méthodes Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Théorique ou conceptuel | high |
| grok | aucune catégorie Domaine: non disponible · Genre: Autre Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Théorique ou conceptuel | low |
| opus | aucune catégorie Domaine: non disponible · Genre: Autre Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Théorique ou conceptuel | low |
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 validéeÉtiqueté directement par 3 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».