MétaCan
Menu
Retour à la cohorte
Enregistrement W1548590899 · doi:10.5539/ies.v8n6p142

The Development of Educational Technology Policies (1996-2012) Lessons from China and the USA

2015· article· en· W1548590899 sur OpenAlexvenueno aff
Alnuaman Alamin, Guo Shao-qing, Zhang Le

Notice bibliographique

RevueInternational Education Studies · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender and Technology in Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChinaEducational technologyInformation and Communications TechnologyEconomic growthLiteracyPolitical scienceTechnology integrationTechnology educationSociologyPublic relationsPedagogyEconomics

Résumé

récupéré en direct d'OpenAlex

This study reviews the development of educational technology macro policies in China and USA based on the historical juxtaposition approach. It shows that, despite the fact that two countries have major differences, with China officially being a socialist country, while the USA is a capitalist country; the development of educational technology policies in the two countries has displayed remarkable similarities. USA’s revised educational technology plans also were used as the basis of some of Chinese educational technology policies. The study displays how the ambitions toward integrating ICT in education moved from critical issues facing elementary and secondary schools in the USA like technology literacy after 1990, to adopting a technology-based learning model that resulted in measuring of student’s outcomes individually in NETP 2010. China has moved from using traditional technology in education in the early 1990 e.g. slides, projectors, films, and radio and aims at building an educational infrastructure close to the developed countries by 2020. The study reviews briefly the development of equipping American and Chinese schools with the ICT hardware infrastructure and the educational technology standards in both countries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,369
Score d'incertitude au seuil0,608

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,095
Tête enseignante GPT0,451
Écart entre enseignants0,357 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetGender and Technology in EducationTravaux en français237 207