MétaCan
Menu
Retour à la cohorte
Enregistrement W2751482196 · doi:10.24059/olj.v21i3.1252

Blended Learning From Design to Evaluation: International Case Studies of Evidence-Based Practice

2017· article· en· W2751482196 sur OpenAlexaff
Norman Vaughan, Aline Maria de Medeiros Rodrigues Reali, Stefan Stenbom, Marieta Jansen van Vuuren, David Macdonald

Notice bibliographique

RevueOnline Learning · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensUniversity of OttawaMount Royal University
Organismes subventionnairesnon disponible
Mots-clésFacilitatorBlended learningKnowledge managementInstitutionMedical educationLearning designPsychologyPedagogyEducational technologyComputer scienceEngineering ethicsEngineeringPolitical scienceMathematics educationMedicine

Résumé

récupéré en direct d'OpenAlex

This study compares and contrasts four international faculty development programs for blended learning in order to understand the benefits, challenges, lessons learned, and recommendations from such initiatives. The benefits identified for faculty members, who participated in these programs, were that they became more reflective of their teaching practice and began to make a role adjustment from being a content provider to a designer and facilitator of learning for students. The biggest challenge appeared to be a lack of common institutional definition and understanding of blended learning as well as a lack of time and resources to support faculty in the redesign of their courses. With regards to lessons learned, each program emphasized the need for all institutional stakeholders to be involved in supporting the initiative and that blended learning does not simply imply adding digital technologies to an existing face-to-face course. The key recommendation from this study is that a faculty development program for blended learning needs to be clearly aligned with the institution’s vision and mission.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gptaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Qualitatifhigh
grokaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Qualitatifhigh
opusaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Qualitatifmedium
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,142
score de la tête « metaresearch » (Gemma)0,168
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,142
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1420,168
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0050,007
Études des sciences et des technologies0,0040,005
Communication savante0,0090,007
Science ouverte0,0040,008
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,330
Tête enseignante GPT0,502
Écart entre enseignants0,172 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Étiqueté directement par 3 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOnline LearningMême sujetOnline and Blended LearningTravaux en français237 207