MétaCan
Menu
Retour à la cohorte
Enregistrement W1586462075 · doi:10.17718/tojde.11777

The Development of Virtual Educational Environments to Support Inter-School Collaboration.

2007· article· en· W1586462075 sur OpenAlexaboutno aff
Ken Stevens

Notice bibliographique

RevueDergiPark (Istanbul University) · 2007
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematics educationThe InternetCurriculumComputer scienceVirtual learning environmentPedagogyPsychologyMultimediaWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

The introduction of inter-school electronic networks has added a new dimension to education in Canada that has many implications for students who attend schools in rural communities. Collaborative internet-based teaching and learning and the creation of virtual classes within regional intranets now complement traditional on-site instruction in many schools that are located beyond major centres of population. Five stages in the advent of virtual educational environments can be identified starting with the introduction of computers in schools as a foundation for the development of collaborative teaching and learning environments. Inter-school collaboration in rural Canada and the extension of curriculum options for senior students has, in turn, provided a basis for the integration of virtual classes and traditional face to face instruction. Instruction in classes that are electronically-linked to other classes requires different skills from traditional face to face teaching and the development of new strategies and protocols. The implications of open and flexible teaching and learning for the future organization of classes, the preparation of teachers, articulation with higher education and in particular, regional economic development are now significant educational policy issues. The linking of virtual and face to face classes through cybercells is a possible next step in the development of virtual educational environments.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,882
Score d'incertitude au seuil0,592

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
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 Opus0,011
Tête enseignante GPT0,278
Écart entre enseignants0,267 · 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'étudeSans objet
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

Citations8
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDergiPark (Istanbul University)Même sujetOnline and Blended LearningTravaux en français237 207