MétaCan
Menu
Retour à la cohorte
Enregistrement W2153710876 · doi:10.19173/irrodl.v8i1.380

The Current Status of E-learning and Strategies to Enhance Educational Competitiveness in Korean Higher Education

2007· article· en· W2153710876 sur OpenAlexvenueno aff
Junghoon Leem, Byungro Lim

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2007
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducation and Learning Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHigher educationQuality (philosophy)Public relationsBusinessPolitical science

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to examine the current status of e-Learning in Korean higher education and find ways to encourage the further use and development of e-Learning systems that aim to enhance Korea's academic competitiveness. A total of 201 universities in Korea (27 national and public, 163 private, and 11 national universities of education) were examined in this study. At the time of the study, 85 percent of the universities and colleges had investigated implemented e-Learning. There were special e-Learning teams in most national and public universities, as well as private universities and colleges. Findings from this study found that both teachers and learners alike, lacked meaningful support systems and opportunities to actively participate in e-Learning programs. Although such lack of support was found to be endemic, such lack of support and opportunity was found to be more accute in private universities, private colleges, universities of education, than mid-sized, small-sized, and provincial universities and colleges. Except for a few mid- and small-sized universities and colleges, most large universities and colleges were equipped with technical support such as infrastructure and operational platforms. These same schools, however, did not provide institutional support, nor did they employ appropriate policies needed to further the quality and enhancement of e-Learning offerings. Also, there was no meaningful link found between schools and industry, nor was there adequate financial support in place for the implementation of e-Learning systems, simply because many universities failed to allocate sufficient funding for e-Learning.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
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: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0060,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,065
Tête enseignante GPT0,503
Écart entre enseignants0,438 · 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

Citations65
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetEducation and Learning InterventionsTravaux en français237 207