Looking inside project double challenge: a case study
Bibliographic record
Abstract
RésuméCette thèse est composée de deux parties, une revue de la littérature et un manuscrit. Lors de la revue des thèmes de la littérature comme l'activité physique pour les personnes ayant un handicap, des programmes d'éducation physique de formation des enseignants, et l'expérience pratique de l'activité physique adaptée ont été abordés en profondeur pour fournir un arrière-plan pour le manuscrit. Le manuscrit a été préparé dans un format article de recherche dans le but d'une éventuelle publication. La recherche a porté sur le programme de stage Projet Double Défi (PDC) à l'Université McGill. Une étude de cas intrinsèque a été utilisé pour recueillir des données provenant de sources multiples et saisir les perceptions des individus de l'expérience PDC. Trois groupes ont participé à l'étude: des étudiant de McGill, des jeune adulte ayant une déficience, et des enseignants des élèves impliqués. Les thèmes qui ont émergé à partir des données étaient les aspects positifs du programme, la communication et l'apprentissage, les thèmes ont été exprimés différemment par chaque groupe. En résumé, le PDC est un environnement d'apprentissage positif pour tous les participants et la communication joue un rôle important dans l'ensemble du programme.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.014 | 0.007 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.004 | 0.009 |
| Research integrity | 0.007 | 0.006 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".