Meeting the challenge of providing flexible learning opportunities: Considerations for technology adoption amongst academic staff | Relever le défi de fournir des occasions d’apprentissage flexibles : considérations pour l’adoption de la technologie
Notice bibliographique
Résumé
This paper reports on a subset of findings from a larger study investigating resistance from academic staff to the integration of technology with on-campus foreign language teaching at one North American higher education institution. The study revealed that the factors influencing technology adoption paralleled Davis’ Technology Acceptance Model’s tenets of perceived usefulness and ease of use. Further, this study supports Lai and Savage’s (2013) assertion of a lack of attention to the pedagogical affordances of technology when adoption decisions are made by instructors, thus we highlight the need for higher education leaders to determine strategies promoting awareness of the benefits technology-enabled teaching and learning can bring to advance educationally-rich flexible learning opportunities. Cet article traite d’un sous-ensemble de résultats provenant d’une étude plus vaste ayant enquêté sur la résistance des universitaires envers l’intégration de la technologie à l’enseignement en langue étrangère sur le campus dans un établissement nord-américain d’études supérieures. L’étude a révélé que les facteurs ayant une influence sur l’adoption de la technologie coïncident avec les principes du modèle d’acceptation de la technologie de Davis sur l’utilité perçue et la facilité d’utilisation. De plus, cette étude appuie l’assertion de Lai et Savage (2013) d’un manque d’attention envers les affordances pédagogiques de la technologie lorsque les décisions d’adoption sont prises par les formateurs. Nous soulignons donc le besoin, pour les meneurs de l’éducation supérieure, de déterminer les stratégies qui favorisent la connaissance des avantages de l’enseignement et de l’apprentissage que permet la technologie pour faire progresser les occasions d’apprentissage flexibles et riches sur le plan éducatif.
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 | 0,018 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,005 |
| Communication savante | 0,013 | 0,006 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».