Implementation of web-based learning in colleges of education: Barriers and enablers
Notice bibliographique
Résumé
This paper describes the results of a survey to determine the factors that serve as barriers or enablers to the implementation of web-based learning in colleges of education. A total of 229 faculty members responded to the survey. Of these, 104 had never taught a web-based course while 125 had taught at least one online course. Results of the survey showed that Education faculty in this sample had an overall neutral position about the readiness of colleges of education to implement web-based learning. The survey found that financial resources, infrastructure, and support were seen as barriers to implementation while organizational culture, policies, a commitment to learning, and evaluation were seen as enablers to implementation. Open-ended responses showed that there were interesting differences based on the perceived lack of time and perceived lack of social interaction between faculty who have taught online and those who have not. Résumé :Cet article décrit les résultats d’un sondage visant à déterminer les facteurs qui font obstacle ou qui contribuent à la mise en œuvre de l’apprentissage en ligne dans les établissements d’enseignement. Un total de 229 membres du corps professoral ont répondu au sondage. De ce nombre, 104 n’avaient jamais donné un cours en ligne tandis que 125 avaient enseigné au moins un cours en ligne. Les résultats du sondage ont montré que la faculté d’éducation de cet échantillon était globalement neutre au sujet de la volonté des établissements d’enseignement à mettre en œuvre l’apprentissage en ligne. Le sondage a révélé que les ressources financières, l’infrastructure et le soutien étaient considérés comme des facteurs obstacles à la mise en œuvre alors que la culture organisationnelle, les politiques, l’engagement envers l’apprentissage et l'évaluation étaient considérés comme des facteurs facilitants de la mise en œuvre. Les questions à réponses libres ont mis en lumière des différences intéressantes entre les professeurs qui avaient enseigné en ligne et ceux qui ne l’avaient pas fait relativement au manque de temps et d’interaction sociale perçu.
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 | 0,011 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».