Information and Communications Technology in Teaching Marketing: Benefits and Problems
Notice bibliographique
Résumé
The advent of a continuous innovation and improvement, particularly in respect of information and communications technology has had a huge impact on the quality of life and in education delivery is an open secret. The benefits from exploiting ICT in education are ernomous but there are abuses that have tarnished its use in education. The excellence ICT is attributed with has been put to the sword and will stretch this innovation to develop tools for redressing these predicaments. ICT is with us from the cradle to the grave. This research reviewed published information and confirmed the overwhelming importance of information technology in marketing education. ICT has revolutionalised learning by enabling easy access to information through online materials and learning has become more convenient as students can combine work and online learning to good effect. However, academics and students have found it easier to access materials and often fail to acknowledge the source thus distorting the originality of the source. Where the systems for guarding against plagiarism are not thorough there is widespread abuse of the learning process. The paper recommends stringent systems for checking against plagiarism and that work submitted should be current if not live so as to avoid students duplicating work from elsewhere and appropriate punishment meted. At the same time there is software for detecting cheating in education which has gone some way in detecting the culprits and that had had a significant effect in reducing the proliferation of education malpractices.
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 | 0,017 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,015 | 0,018 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,003 |
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 ».