COMPARATIVE ANALYSES OF E-LEARNING USING AMONG STUDENTS OF VOCATIONAL EDUCATIONAL IN GERMANY VERSUS RUSSIA
Notice bibliographique
Résumé
The UNESCO experts as well as governments of many western countries confirm that e-learning as an educational technology has become a priority trend in educational reforms in the USA, UK, Canada, Germany, France and many other countries nowadays. Likeminded the European Commission's Lifelong Learning Programme 2007-2013 has been described as the new EU umbrella for education and training programs. In recent years the Russian system of the e-learning has developed as well and usually faced different challenges. Indeed Russia defined e-learning on the state level already in 1995. Later on legal issues were defined in federal acts (laws) such as About education, About Higher and Post-Graduate Vocational Education and in the order of the Russian Ministry of Education No4452 About adoption of the methodology of e-learning technologies in higher, secondary and vocational educational institutions in Russian Federation. Likewise in the Russian State Vocational Pedagogical University (RSVPU, Ekaterinburg) e-learning was started 2004. Since that moment the number of students enrolled in e-learning has increased almost 20 times. To allow a more valid international comparison this research has been conducted as part of the international Erasmus Mundus Consortium Multidisciplinary capacity-building for an improved economic, political and university co-operation between the European Union and the Russian Federation. In the sense of a comparative analysis students of vocational educational in Russia and in Germany had been surveyed. Specific basis has been the learning management system OPAL, the Saxon adaption of the Swiss based Open Source System OLAT. Overall comprehensive experience in Saxony in creating and implementing e-learning courses has led to one of most intensely used installations throughout Germany with more than 90.000 students. In order to identify readiness of students for e-learning, as well as comparing their different perceptions about advantages and disadvantages of e-learning authors surveyed groups of vocational education students enrolled at the TU Dresden (Dresden, Germany) and RSVPU (Ekaterinburg, Russia) using the platform OPAL, altogether 75 students (47 from Germany and 28 from Russia).
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».