Employing the EPEC Hierarchy of Conditions (Version II) To Evaluate the Effectiveness of Using Synchronous Technologies with Multi-Location Student Cohorts in the Tertiary Education Setting
Notice bibliographique
Résumé
As e-learning maintains its popularity worldwide, and university enrolments continue to rise, online tertiary level coursework is increasingly being designed for groups of distributed learners, as opposed to individual students. Many institutions struggle with incorporating all facets of online learning and teaching capabilities with the range and variety of software tools available to them. This study used the EPEC Hierarchy of Conditions (ease of use, psychologically safe environment, e-learning self-efficacy, and competence) for E-Learning/E-Teaching Competence (Version II) to investigate the effectiveness of an online synchronous platform to train pre-service teachers studying in groups at multiple distance locations called satellite campuses. The study included 58 pre-service teachers: 14 who were online using individual computers and 44 joining online, sitting physically together in groups, at various locations. Students completed a survey at the conclusion of the coursework and data were analyzed using a mixed methods approach. This study’s findings support the EPEC model applied in this context, which holds that success with e-learning and e-teaching is dependent on four preconditions: 1) ease of use, 2) psychologically safe environment, 3) e-learning self-efficacy, and 4) competency. However, the results also suggest two other factors that impact the success of the online learning experience when working with various sized groups. The study demonstrates that the effectiveness of a multi-location group model may not be dependent only on the EPEC preconditions but also the effectiveness of the instructor support present and the appropriateness of the tool being implemented. This has led to the revised EPEC Hierarchy of Conditions for E-Learning/E-Teaching Competence (Version III).
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 | 0,011 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».