A Team-Based Collaboration Used for the Development of Transnational Online Distance Education Courses
Notice bibliographique
Résumé
Using a team-based course development approach, the University of British Columbia collaborated with the Asia-Pacific Network for Sustainable Forest Management and Rehabilitation (APFNet) and universities from Australia, the Philippines, Malaysia, China, and Canada to design and develop six transnational, online, distance-education courses covering diverse topics such as sustainable forest policy, international dialogues in global forestry issues and forest restoration. The team-based approach is commonly used in online course development to form a cost-effective managerial and development team that manages timelines, coordinates solutions, and oversees budgets, all of which are particularly challenging for an international collaboration among universities across the Asia-Pacific region, due to cultural differences and variations in teaching and learning practices. This paper gives an overview of the design and development of transnational, online, distance-education courses, and the results of a pilot study that put the completed courses through an in-house, evidence-based quality enhancement rubric and a written survey reporting the leading professors’ satisfaction with the project management and instructional design services. The quality enhancement rubric showed that the course designs were of high quality and the written survey revealed that the subject matter experts were satisfied overall. However, many improvements were suggested and could be implemented to improve the quality of course design, and the collaboration in orientating subject matter experts to the team-based development process, and in implementing best practices for online course design. Keywords: team-based approach, online learning, course development, transnational online distance education, sustainable forestry management, international collaboration. RésuméL’université de la Colombie-Britannique collabore avec le Réseau Asie-Pacifique pour la Gestion Durable et la Réhabilitation des forêts (APFNet) et des universités d’Australie, des Philippes, de Malaisie, de Chine et du Canada en vue de concevoir et développer six cours transnationaux de formation à distance en ligne. Fondés sur une approche de développement en équipe, ces cours couvrent divers sujets tels que la politique pour une forêt durable, les dialogues internationaux sur les enjeux mondiaux en termes de foresterie et la restauration des forêts. Le travail en équipe est couramment mis en œuvre dans le développement de cours en ligne afin de former une équipe de gestion et de développement rentable qui gère les délais, coordonne les solutions et supervise les budgets, éléments qui constituent de réels défis dans le cadre d’une collaboration internationale, entre universités de la zone Asie-Pacifique, en raison des différences culturelles et des pratiques d’enseignement et d’apprentissage. Cet article offre une vue d’ensemble de la conception et du développement des cours transnationaux d’enseignement à distance en ligne. Il présente également les résultats d’une étude pilote portant sur les cours réalisés analysés au travers du prisme d’une démarche maison visant l’augmentation de la qualité en se fondant sur des données factuelles, et d’une enquête écrite faisant état de la satisfaction des principaux professeurs concernant les services de gestion de projet et de conception pédagogique. La grille d’amélioration de la qualité met en avant des conceptions de cours de grande qualité et l’enquête écrite fait ressortir une satisfaction générale des experts de contenu. Cependant, dans l’ensemble, de nombreuses améliorations ont été suggérées et pourraient être mises en œuvre pour améliorer la qualité de la conception des cours et la collaboration en orientant les experts de contenu vers le processus de développement en équipe, et en favorisant l’implantation de bonnes pratiques de conception de cours en ligne. Mots-clés : éducation en ligne, formation à distance, conception pédagogique.
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 | 0,014 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,003 |
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 ».