A dual‐mode university instructional design model for academic development
Notice bibliographique
Résumé
Online learning is expanding rapidly today in many Canadian universities. Fuelled by Canada's unprecedented broadband access, online teaching is creating new challenges for faculty and new responsibilities for educational developers. Although there is adequate literature with regard to faculty thinking about course planning in general, there are few publications on how they actually plan for online teaching. The purpose of this applied research study was to develop an instructional design model adapted to the needs and resources of faculty at a dual‐mode university (offering courses both on‐campus and online). Using a case study methodology, this project documented the prototype‐building, its implementation and gradual modification in response to faculty feedback. Results indicate that faculty preferred a more traditional, discipline‐based course design model for online course planning and shunned high‐level instructional design, opting for lighter‐weight, dialog‐rich instructional design emphasizing real‐time, faculty–student interaction. De nos jours, l'apprentissage en ligne gagne rapidement du terrain dans plusieurs universités. Et l'apprentissage en ligne amène de nouveaux défis pour les enseignants tout comme de nouvelles responsabilités pour les conseillers pédagogiques. L'objectif de cette recherche appliquée était de développer un modèle de design pédagogique qui est adapté aux besoins et aux ressources des enseignants provenant d'une université dont les cours sont dispensés à la fois sur le campus et en ligne. A l'aide de la méthode des études de cas, cette recherche a documenté le développement d'un prototype, sa mise en oeuvre et sa modification graduelle en réponse au feedback obtenu auprès des enseignants. Les résultats indiquent que les enseignants préfèrent un modèle de design pédagogique davantage traditionnel, axé sur la discipline, pour la planification des cours en ligne et qu'ils ont évité le design pédagogique de haut niveau.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».