The use of instructional technology in poultry science curricula in the United States and Canada: 1. Demographics of technology and software use
Notice bibliographique
Résumé
This paper describes a study conducted in recognition of the increasingly widespread use of computers and the importance of exposure to instructional technologies in all aspects of poultry science curriculum. The study consisted of the distribution and analyses of two cross-sectional surveys to gather detailed information on the use of instructional technology (IT) in poultry science curricula in the US and Canada. One survey was sent to departments to obtain profiles of poultry science degree programs and the availability of IT and general support for its use. A second survey was designed to obtain individual profiles of faculty use of IT and attitudes toward the use of such technologies. Information presented in this paper includes basic demographics, estimates of survey validity, and a cross-section of instructional technologies used in poultry science education. The survey found that poultry science faculty reported higher levels of use for some instructional technologies than was expected from recent reports in the literature for higher education in general. Traditional technologies were widely used for instruction, but computers and the Internet were almost as popular. Reasons for the high levels of use may be due to an increasing user-friendliness of equipment and software applications, as well as the rapid acceptance over the past 2 yr of computers and Internet technologies among the general public. Involvement with IT projects appears to be changing from passive to active, consistent with faculty reports of high interest levels and active experimentation with technology and software.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».