Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
CRAAP not crap
0
Zitationen
1
Autoren
2023
Jahr
Abstract
Während der Literaturrecherche für Haus-, Bachelor- und Masterarbeiten, aber auch im privaten Umfeld, hat man es heutzutage mit einer Vielzahl von Informationsquellen unterschiedlicher Qualität zu tun. Gleichzeitig ist es schwer alle Quellen auf Authentizität und Seriosität beurteilen zu können. Dabei kann der CRAAP-Test helfen. Es gibt Schemata und Kriterien, anhand derer sich die Seriosität einer Quelle schnell beurteilen lässt. Mit oder ohne Schemata, einen kritischen Blick gegenüber Informationen sollte man immer behalten.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.231 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.084 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.444 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.776 Zit.
Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)
2018 · 5.423 Zit.