Panel description: Computer-supported collaborative learning and ODL for informal groups
Notice bibliographique
Résumé
The Lifelong Learning for Farmers (L3 Farmers) Project of COL in Tamil Nadu, India, focuses on enhancing the self-directed personal strategic learning as an important strategy in ODL for informal groups. ICT plays a key role. The project has emphasized the importance of mobilization phase, manifesting the principle of participation of various stakeholders through organized and systematic actions. Mobilization involves mutual conscientization in which various stakeholders understand each other’s agenda. Collaboration assumes importance and L3 Farmers shows that Computer-Supported Collaborative Learning is a key factor in the ODL for Informal Groups. Collaboration, which is a coordinated, synchronous activity that is the result of a continued attempt to construct and maintain a shared conception of a problem, is the characteristic of a learning community. Other major social and structural differences impede collaboration and diffuse the learning community. Hence development programmes have to lay major emphasis on the process of mobilization. Computers can enhance collaboration through four types of interactions: - at the computers - around computers - related to computer applications, and - through computers. This study analyses the role of synchronous and asynchronous computer-mediated collaborations in five villages. The study throws new light on the theoretical perspectives of ODL for informal groups and offers a roadmap for building alternative strategies for reaching the unreached. Panel Members: Professor Surabhi Banerjee, Vice-Chancellor, Netaji Subhas Open University (NSOU), India Mr. Peter Fenrich, Project Leader/Instructional Multimedia Designer, British Columbia Institute of Technology (BCIT), Canada Dr. Terrence Philips, Fisheries Management and Development Manager, Caribbean Regional Fisheries Mechanism (CRFM), Guyana Mr. John Dada, Executive Director, FANTSUAM Foundation, Nigeria Ms Jennipher Kere, Managing Trustee, Women In Fishing Industry Programme (WIFIP), Kenya Dr. Collins Osei, Crops Research Institute, Ghana
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,171 | 0,052 |
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 ».