MétaCan
Menu
Retour à la cohorte
Enregistrement W1781687669 · doi:10.19173/irrodl.v15i4.1783

Two perspectives on e-learning design: A synopsis of a U.S. and a European analysis

2014· article· en· W1781687669 sur OpenAlexvenueno aff
Stefanie A. Hillen, Melodee Landis

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensnon disponible
Organismes subventionnairesFogarty International CenterJohnson and Johnson
Mots-clésInstructional designLearning designField (mathematics)Educational technologyLearning theoryLearning sciencesSociologyMathematics educationPedagogyComputer scienceEpistemologyPsychologyMathematicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

This article seeks to examine e-learning design arising from two educational traditions: the United States of America and Europe. The research question is: Broadly, what kinds of pedagogy, instructional design models, or didactical models are established and proposed for e-learning design on the two continents? Two researchers examined multiple articles and texts in an effort to discern the prominent approaches in their respective regions. The analysis is tripartite: First, the educational philosophies, which have guided e-learning design on each continent, will be presented; second, specific theories about learning influencing e-learning design will be discussed; and finally, e-learning design, which arises from innovative instructional strategies, will be investigated. The resulting analysis brings to the surface not only how the values that underpin e-learning development in each region differ but also how specific perspectives influence the respective fields. The researchers acknowledge these differences but also remark on the historic and contemporary symbiosis that has endured even in this relatively new field 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0110,020
Études des sciences et des technologies0,0040,012
Communication savante0,0130,013
Science ouverte0,0010,005
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,088
Tête enseignante GPT0,468
Écart entre enseignants0,381 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations13
Publié2014
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