MétaCan
Menu
Retour à la cohorte
Enregistrement W2155494096 · doi:10.1111/jcal.12034

Barriers to successful implementation of technology integration in educational settings: a case study

2013· article· en· W2155494096 sur OpenAlexaff
Thérèse Laferrière, Christine Hamel, Michael Searson

Notice bibliographique

RevueJournal of Computer Assisted Learning · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Education and Learning Practices
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésContradictionTechnology integrationActivity theorySociologyComputer scienceEducational technologyKnowledge managementManagement scienceEpistemologyPedagogyEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Representing issues discussed at the EduSummIT 2011 relative to essential conditions and barriers to successful technology integration, this article presents a systemic analysis of barriers that needed to be overcome for an information technology initiative (Remote Networked School project) to be successfully implemented. The analysis was conducted from an activity theory framework. Barriers were conceptualized as tensions that pulled constituents of an activity system or activity systems in opposite directions at four distinct levels of contradiction. Chains of tensions–pivotal actions that led to the overcoming of barriers were identified. Twelve exemplars illustrate how roles, policies and routines were transformed for necessary conditions to be in place in small remote schools. As emphasized by our application of activity theory, these conditions, which parallel the essential conditions formulated by the International Society for Technology in Education, can never be taken for granted by the educational agents of a specific setting. In the case presented, activity theory explains that the overcoming of barriers is an ongoing exercise as some tensions get resolved, reappear or give way to new ones.

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)0,017
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,025
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0160,007
Communication savante0,0050,005
Science ouverte0,0020,007
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,415
Écart entre enseignants0,384 · 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'étudeQualitatif
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

Citations39
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Computer Assisted LearningMême sujetInnovative Education and Learning PracticesTravaux en français237 207