بيانات المقالة: تصنيف بوتات وسائل التواصل الاجتماعي باعتبارها خبيثة أو حميدة باستخدام تعلم الآلة شبه المشرف عليه ملخص: مستخدمو منصات شبكات التواصل الاجتماعي مثل تويتر ليسوا دائماً بشر، والبوتات الاجتماعية (التي يشار إليها باسم بوتات) شائعة بدرجة عالية. تبين الأبحاث الفنية أنه يمكن تصنيف البوتات بشكل واسع إما إلى بوتات خبيثة أو حميدة. من وجهة نظر الأمن السيبراني، يختلف سلوك البوتات الخبيثة والحميدة. فالبوتات الخبيثة غالباً يتم التحكم بها من قبل مدير البوت الذي يراقب أنشطتها ويمكنه أداء هندسة اجتماعية وهجمات سكراب الويب من أجل جمع معلومات المستخدم. وبالتالي، من الضروري تصنيف البوتات إما خبيثة أو حميدة على أساس السمات الموجودة على شبكات التواصل الاجتماعي. لقد ركز معظم الباحثين على التعرف على السمات التي تساعد في التمييز بين البوتات البشرية والخبيثة؛ إن الأبحاث حول التمييز بين البوتات الخبيثة والحميدة ليست كافية. في هذه الدراسة، نركز على التعرف على السمات ذات المغزى الدالة على السلوكات الشاذة بين البوتات الحميدة والخبيثة. إن فعالية مدخلنا ثبتت من خلال تقييم نماذج تعلم الآلة شبه المشرف عليه...
عنوان المقالة: مغالطة التمييز الشامل للتعلم السابق: حالتي البرتغال وسلوفينيا ملخص: في هذه المقالة، ندرس التأثير الرأسي لسياسة الاتحاد الأوروبي في تمييز التعلم السابق في بلد من جنوب أوروبا (البرتغال) ومن وسط أوروبا (سلوفينيا). ونشدد على تأثير سياسة الاتحاد الأوروبي على سياسات تعليم الكبار وتطور تمييز التعلم السابق التي تمنح تأهيلاً مهنياً. وعلى الرغم من أنه ليس معترفاً بها على نطاق واسع في المناقشات النظرية حول تعليم الكبار، إلا أننا نستخدم نماذج RPL التي قدمتها جودي هاريس لمناقشة الأهداف الرئيسة لوثائق السياسة الوطنية لتمييز التعلم السابق الرسمية الأساسية من عام 2000 إلى عام 2018 باستخدام تحليل الوثائق. وتم اجراء تحليل مقارن للبلدين، ومناقشة التشابهات والاختلافات بين أحكام تمييز التعلم السابق. تشير نتائجنا إلى أن المدخل الشمولي لــ تمييز التعلم السابق وثيق الصلة بالسياسات الوطنية. وفضلاً عن ذلك، تسمح هذه النتائج لنا أن نسأل لماذا لا يعطي أصحاب العمل إلا القليل من الاهتمام لمؤهلات الدارسين في تعليم الكبار المكتسبة من خلال تمييز التعلم السابق [2022، VFVP] بيانات المقالة: كود البحث الرقمي...
تعليقات