Challenges of Transitioning to e-learning System with Learning Objects Capabilities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<p>In order for higher education institutions, which implements blended and/or online learning to remain competitive and innovative it needs to keep up with the cutting edge technological and educational advances. This task is usually very difficult, keeping in mind the budget constraints that many institutions have. This usually implies that existing open source solutions have to be used and adapted to individual needs of each institution. Keeping up with the current technological advances often brings not only financial challenges, but also transitional challenges that may put at risk learning quality and reputation of the institution, as well as performance of students. This work describes the features of the system, results and challenges of transitioning to e-learning system that displays learning materials through sequence of reusable learning objects (LOs) from the system that does not have these capabilities. The goal of such system is to increase reusability of learning content, and moreover, to increase online interactivity and communication between the instructor and students. Findings of this work reveal advantages, disadvantages and potential obstacle of implementation e-learning system with LOs and give an overview of suggestions for implementation improvements. These suggestions are given based on evaluation of implementation of new e-learning system with LOs, after the transition from the traditional e-learning system. Furthermore, based on the research of existing methodologies in the field of information systems, and the results of this research, this work proposes methodology for transferring into e-learning system with LOs. </p>
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.
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 | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle