Assuring Quality in E-Learning Course Design: The Roadmap
Notice bibliographique
Résumé
Quality Assurance (QA) concepts and applications in Higher Education (HE) emerge from evolving meanings related to HE’s dynamic relationship with social, economic, cultural, and technological developments. The latter has been redefined by the growth spurred by the forms distance and online education acquired during the last decades. Creating a roadmap with clearly articulated meanings of quality and consistent key actions fills a need for the involved communities to reground the research, policy-making, and the related discourse. Our current work consists of a thorough meta-analysis on all available research in every identified pertinent field. It is a qualitative review of the concepts, definitions, and approaches about quality in general, but also specifically, in e-learning in HE, as they have globally appeared in peer-reviewed journals, government reports, and web pages. As we left no stone unturned in enquiring regarding the meanings, uses, evolution, and applicability of the revealed variables it is our hope that the roadmap we provide here will guide future research and support policy-making in the field. The present study is part of the research project e-learning Quality Assurance Design Standards in Higher Education (e-QADeSHE), which was funded by Laureate International Universities as the winning research project for the International David Wilson Award for Excellence in Teaching and Learning (2015 edition).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,133 | 0,143 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,004 | 0,019 |
| Communication savante | 0,020 | 0,043 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,005 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».