MétaCan
Menu
Retour à la cohorte
Enregistrement W2007940399 · doi:10.2304/elea.2010.7.2.27

Globally Networked Learning Environments: Reshaping the Intersections of Globalization and E-Learning in Higher Education

2010· article· en· W2007940399 sur OpenAlexaff
Doreen Stärke-Meyerring

Notice bibliographique

RevueE-Learning and Digital Media · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSociologyE learningScholarshipGlobalizationDisciplineSituatedDimension (graph theory)Educational technologyPedagogyMathematics educationPolitical scienceSocial sciencePsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

As many e-learning scholars have emphasized, e-learning – situated in a global network of digital technologies – has, of course, a complex global dimension that manifests itself in diverse ways in different institutional, disciplinary, national, and other local academic and educational traditions as digital technologies intersect with local educational practices, policies, and pedagogies. Accordingly, many e-learning scholars have placed this global dimension of e-learning and its local manifestations at the heart of their scholarship, with Lam (2009), for example, examining the literacy practices of immigrant teenagers in online environments; Al-Fadhli (2008) exploring the perceptions of e-learning at Kuwait University; and Marumo et al (2009) studying the role of an elearning platform for educational innovation in Botswana. Others have compared information and communication technology knowledge and usage through the lens of gender and class in Ghana (Kwapong, 2009); studied the role of e-learning in an early childhood programme offered at a virtual university in Africa (Pence, 2007); examined the role of new literacies in the teaching of

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)0,005
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0070,028
Communication savante0,0250,036
Science ouverte0,0010,022
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,012
Tête enseignante GPT0,274
Écart entre enseignants0,262 · 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'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

Citations23
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueE-Learning and Digital MediaMême sujetOnline and Blended LearningTravaux en français237 207