Attitudes Affecting Online learning Implementation in Higher Education
Notice bibliographique
Résumé
This study explores attitudes towards and affecting online learning implementation (OLI). In recent years there has been greater acceptance of online learning (OL) by institutional decision-makers, as evidenced by higher levels of institutional involvement; nevertheless, the increase in faculty acceptance lags behind. This gap affects the widespread adoption of OL. This paper proposes that faculty acceptance of OL is influenced by attitudes related to four variables that affect practice change: intellectual reluctance, support, change and cost-benefit. Inherently, these attitudes translate into behaviours that influence the level of resistance toward OLI. Resume Cette etude explore les attitudes envers, et affectant, l’instauration de l’apprentissage en ligne. Ces dernieres annees, il y a eu une plus grande acceptation de l’apprentissage en ligne par les decideurs, comme on peut le voir par l’augmentation de l’implication institutionnelle; cependant, les professeures et professeurs ne suivent pas. Cet ecart affecte l’adoption a grande echelle de l’apprentissage a distance. Cet article propose que l’acceptation par les professeures et professeurs de l’apprentissage a distance est influencee par les attitudes liees a quatre variables qui affectent le changement de pratique : mefiance intellectuelle, soutien, changement et cout-benefice. Ces attitudes se traduisent par des comportements qui influencent le niveau de resistance a l’apprentissage en ligne.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 tête enseignante, 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 ».