Selecting Research Areas and Research Design Approaches in Distance Education: Process Issues
Notice bibliographique
Résumé
The purpose of this paper is to study the process used for selecting research areas and methodological approaches in distance education in India. Experts from the field of distance education in India were interviewed at length, with the aim of collecting qualitative data on opinions on process-issues for selecting areas for research, research design, and appropriate methodological approaches in distance education. Data collected from these interviews were subjected to content analysis; triangulation and peer consultation techniques were used for cross-checking and data verification. While the findings and recommendations of this study have limited application in that they can only be used in the specific context outlined in this paper, respondents in this study nonetheless revealed the pressing need for more process-oriented research in examining media and technology, learners and learning, and distance learning evaluation processes. Our research, which yielded interesting empirical findings, also determined that a mixed approach – one that involves both quantitative and qualitative methods – is more appropriate for conducting research in distance education in India. Qualitative evidence from our research also indicates that respondents interviewed felt that emphasis should be placed on interdisciplinary and systemic research, over that of traditional disciplinary research. Research methods such as student self-reporting, extensive and highly targeted interviews, conversation and discourse analysis, were determined to as useful for data collection for this study.
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
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,339 | 0,328 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,008 | 0,015 |
| Études des sciences et des technologies | 0,008 | 0,011 |
| Communication savante | 0,017 | 0,012 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».