Supporting transnational students in the transition to doctoral study through online technologies
Notice bibliographique
Résumé
This paper will report findings of an 18 month research project, funded by the Higher Education Academy in the United Kingdom (UK), to identify the differences in experience, expectation and engagement of using technologies, designed for use in Western Universities with post-graduate students in the East. The focus of the research is a Professional Doctorate course delivered by a UK based university and taught in Hong Kong (HK) by UK academic staff over 4 weekends each year, with supervisory support throughout the academic year by tutors based in the UK. The research investigated the use of technologies, including the UK university's Virtual Learning Platform (VLE), to identify whether there is a Western culture bias in the use of the VLE in the delivery of post-graduate courses in the East. While literature is extensive in using technologies in learning and teaching in the West, and in teaching international students, there appears to be a lack of research focused on using new technologies designed in the West used in course delivery in the East. A multi-layered approach to data collection through observation, software analytics, questionnaire and interview has resulted in a higher quality experience for the students, deeper levels of engagement and the introduction of new technologies to support the development of a community of practice encompassing students in HK and the UK. This paper explores challenges faced by staff and students and provides research informed evidence of how Eastern students can be engaged with Western designed technologies.
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 | 0,002 | 0,000 |
| 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 | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 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 ».