Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Hvordan udnytter vi potentialerne i digitale teknologier i undervisningen? Hvor og hvordan kan digitale teknologier bidrage til at tænke og tilrettelægge undervisning på nye måder, så de udvider elevers og studerendes muligheder for at undersøge, løse, skabe, udtrykke sig osv.? Gennem en model for fire typer af digitale læringsrum giver forfatterne bud på, hvordan vi med digitale teknologier kan indrette læringsrum, der styrker den enkelte elevs handlekraft, gruppers kollaborative vidensopbygning, vidensdeling i klassen og interaktion med omverdenen. De fire digitale læringsrum er: Det individuelle rum - Arbejdsgruppe - Interessefællesskab - Åbne forbindelser. I denne 2. udgave er bogen opdateret med nye eksempler på brug af digitale værktøjer og refleksioner over, hvor generativ AI hører til inden for læringsrummene. Den primære målgruppe for bogen er studerende, der er ved at uddanne sig til at undervise andre, fx lærerstuderende på professionshøjskolerne, studerende på diplomuddannelser og universitetsstuderende. Derudover henvender den sig også til lærere, undervisere, pædagogiske konsulenter, uddannelsesledere og it-vejledere på tværs af folkeskole, gymnasiale uddannelser og videregående uddannelser. (Forlagsbeskrivelse)
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.005 | 0.001 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.063 | 0.001 |
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 it