Notice bibliographique
Résumé
The global, knowledge-based economy is causing rapid change when it comes to workforce composition and the nature and character of work itself. At the same time, ‘e-learning’ is increasingly positioned as the panacea for workplace learning needs for a transforming workplace and the global, knowledge-based economy (Industry Canada, 2005; Rohrbach, 2007). In this information age of intense political, social, technological, and environmental upheaval, do organizations bear any social responsibility towards their employees when mandating workplace learning from their employees through e-learning? The International Organization for Standardization (ISO, 2007a) specifies four key areas that all organizations need to pay heed to for ‘social responsibility’ to be accomplished: “environment; human rights and labor practices; organizational governance and fair operating practices; and, consumer issues and community involvement/society development” (para. 6). Accordingly, given the criteria of “organizational governance and fair operating practices,” this article argues for e-learning adaptability as a burgeoning social responsibility in the workplace, when thinking about workplace learning, by discussing: (a) the workforce diversity, and other workplace changes, that increasingly challenge the current approaches to e-learning at work; and then, (b) highlights the e-learning adaptability framework (Remtulla, 2007) as one methodology to assess and enable e-learning adaptability to meet this social responsibility for the benefit of a global workforce.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».