ICTs for non-formal education in rural Thailand
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
Non-formal education (NFE) has a role to play in the education of marginalised groups such as out-of-school adults. NFE is based in the discourse of lifelong learning with its agenda of economic growth and active citizenship. This discourse requires moving beyond traditional conceptualisations of primary, secondary and tertiary education to conceptualise lifelong learning as formal, non-formal and informal. Information and communication technologies (ICTs) can potentially support NFE, but not enough is known about this potential. This study investigated ICT use in NFE in rural Thailand. The study compared collaboration, content knowledge and satisfaction in a Career Education course between students learning face-to-face (F2F) versus students learning F2F with desktop computers (F2F+DT). We compared the same variables in an English in Daily Life course between students learning F2F versus students learning F2F with mobile phones (F2F+M). Comparisons of the F2F and F2F+DT modes revealed no significant difference in content knowledge, in students’ perceptions of collaboration or in satisfaction. Comparison of the F2F and F2F+M modes revealed content knowledge and satisfaction were higher for the F2F+M mode but there was no significant difference for collaboration. Comparisons of F2F+DT with F2F+M revealed no significant difference for content knowledge or for satisfaction. The F2F+M mode was significantly higher for perceptions of collaboration.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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