MétaCan
Menu
Retour à la cohorte
Enregistrement W2935825958 · doi:10.3991/ijep.v9i2.9945

Impacts of the Migration of Cross-Cutting Courses of a Traditional University in Distance Learning

2019· article· en· W2935825958 sur OpenAlexaff
Mouhamadou Ba, Bounama Gueye, Amadou Dahirou Gueye, Omar Kassé, Marie Hélène Wassa Mballo

Notice bibliographique

RevueInternational Journal of Engineering Pedagogy (iJEP) · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInformation Technology and Learning
Établissements canadiensFrancophone University Association
Organismes subventionnairesnon disponible
Mots-clésDistance educationSpace (punctuation)Mathematics educationHuman resourcesHigher educationComputer scienceTraining (meteorology)Service (business)Engineering managementEngineeringKnowledge managementMathematicsBusinessManagementMarketingEconomicsGeographyEconomic growth

Résumé

récupéré en direct d'OpenAlex

Public universities in Senegal are facing huge issues related to the student reception and training. Given the budget deficit in Senegal and in African countries in general, our leaders struggle to continuously invest in the human and material resources within the universities. In addition, the courses taught in traditional programs are most often repetitive and sometimes not up-to-date, which does not allow universities to optimize time, space, human resources, and finance. As a result, it become acute to adapt the learning models and teaching methods within the traditional universities. Distance learning seems to be an essential solution. However, existing distance learning offers in these universities are in general geared towards certifying and degree-based distance learning. This does not solve the problems encountered in classical pedagogical training. Starting from these limits, we first propose a new efficient model of distance education at the service of a classical university, then we demonstrate its positive financial, material and pedagogical impacts. The proposed model has been implemented and successfully evaluated at Alioune Diop University of Bambey, a classical university in Senegal.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,303
Écart entre enseignants0,291 · 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

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Engineering Pedagogy (iJEP)Même sujetInformation Technology and LearningTravaux en français237 207