Notice bibliographique
Résumé
Open and distance education systems are highly diverse, but most adopt a familiar division between the construction and use of a package of relatively free-standing materials, and the support of learners before, during and after study. The use of computer mediated communication has rapidly increased with the take up of the World Wide Web, and distance educators are now adapting this technology for learner support as well as for the delivery of resources. Where learning is supported and led through online interaction, the boundary between taught course resources and learner support is breaking down. However, whatever the intensity of ICT usage, the quality of learner support is vital and impacts very directly on the effectiveness of the course in terms of retaining students and enabling them to achieve their learning outcomes. Evaluation has a vital role to play in ensuring that a quality system is in place and delivered, and in enabling a continuing process of improvement of the system, better to support learners as they study. Practitioner evaluators need to draw upon the expertise of specialist evaluators and the literature of methods and research findings in this area. Effective evaluation is evaluation that is 'fit for purpose ' and proceeds according to best practice in the field. It is not a single thing but a diversity of strategies, drawing in different ways on the key tools of review, planning, data collection, analysis and reporting. The practice of regular evaluation, with evidence that findings are used and reflected upon, is itself one of the indicators of a quality learner support system.
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 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 | 0,035 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,017 | 0,014 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».