MétaCan
Menu
Retour à la cohorte
Enregistrement W1552756503 · doi:10.19173/irrodl.v8i3.426

Cross-Cultural Delivery of e-Learning Programmes: Perspectives from Hong Kong

2007· article· en· W1552756503 sur OpenAlexvenueno aff
Andrew Lap-sang Wong

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2007
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGlobalizationPopularityE learningContext (archaeology)Educational technologySociologyPedagogyPublic relationsPsychologyPolitical scienceSocial psychologyGeography

Résumé

récupéré en direct d'OpenAlex

The growing popularity of e-learning may pose one of the greatest challenges currently facing traditional educational institutions. The questions often asked are how, rather than whether, to embrace this new form of instructional delivery and how to create an appropriate learning environment for the learners. Educational institutions in Hong Kong have the option of adopting programmes or learning materials developed in other parts of the world for local learners, or not. Such an approach of acquiring learning materials is not without risks in terms of the suitability of materials embedded with cultural contents ‘foreign’ to local learners, or in terms of the suitability of assumptions in the communication context. What are the issues involved in the globalization of education through e-learning? This paper explores – from a critical-dialectical perspective – the implications of globalization on educational policy through cross-border delivery of educational programmes by e-learning, with particular attention given to the threat of cultural imperialism. The paper concludes that Hong Kong seems to be coping with ‘cultural imperialism’ rather well because of its unique history of being a cross-road for East and West, and also with some recommendations to e-learning providers to mitigate the potential damage of cross-cultural delivery of e-learning.

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)0,012
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,587
Score d'incertitude au seuil0,960

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,077
Tête enseignante GPT0,499
Écart entre enseignants0,421 · 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'étudeObservationnel
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

Citations23
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetOnline and Blended LearningTravaux en français237 207