Integrierte e-Learning-Services als Grundlage von qualifiziertem e-Learning an Hochschulen: Das Beispiel Hannover - Braunschweig
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Die Anforderungen an Lehrende, die auf qualifizierte Weise e-Learning in ihren Lehrveranstaltungen einsetzen wollen sind erheblich. Um zu technisch, didaktisch und organisatorisch innovativen Lehr-/Lernszenarien zu gelangen, muss nicht nur der einzelne Lehrende Kompetenzen aufbauen. Auch die mit der Lehre befassten Organisationseinheiten müssen hier Entwicklungen vollziehen. Wie können die Lehrenden und deren institutioneller Hintergrund bei diesen Prozessen unterstützt werden? Im Rahmen eines Förderprogramms des Landes Niedersachsen, dem e-Learning Academic Network (ELAN), haben sich die Technische Universität Braunschweig, die Universität Hannover und die Medizinische Hochschule Hannover zu einem Netzpiloten zusammengeschlossen. Einen Teil dieses Verbundes bildet das e-Learning Service Team (eST). Der Handlungsansatz des eST zielt sowohl auf die individuelle Kompetenzbildung des einzelnen Lehrenden, unterstützt organisatorische Veränderungsprozesse und versteht sich selbst als Teil eines hochschulübergreifenden Entwicklungsprozesses, in dem Serviceeinheiten wie das eST komplementäre Aufgaben für die Hochschullehre übernehmen. Grundlage dafür bilden integrierte e-Learning-Services, also die Verknüpfung der verschiedenen Handlungsdimensionen des e-Learnings in einem Angebot, sowie ein prozessorientiertes Beratungsmodell, das Projekte und Organisationseinheiten dabei unterstützt ein so genanntes qualifiziertes eTeaching zu gestalten.25.02.2007 | Rainer ALBRECHT, Uwe FROMMANN & Thanh-Thu PHAN TAN (Braunschweig, Hannover)
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.
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 | 0,016 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle