Entrepreneurial Learning and Virtual Learning Environment
Notice bibliographique
Résumé
Both entrepreneurial and virtual learning are phenomena that have risen in the turn of the twenty-first century. The needs of the society as well as the technical innovations have sped up their development. The European Union has set entrepreneurial practices as one of the central goals in active citizenship (the European Commission 1999). Finland is committed to it throughout its education system (European Commission 2002). To reach this goal, the Ministry of Education has launched a policy programme for entrepreneurship education. The programme emphasises the importance of entrepreneurship education as a part of teachers basic and extension studies. (Opetusministeriö 2004). However, the educational research of the dynamics of entrepreneurial learning has hardly begun. Mainly, this discourse has taken place in business disciplines and in some extent in the field of technology. The American view of both entrepreneurship and education influences the dialogue (Kyrö 2005). The conceptualisation of education oriented discourse is still fragmented and searching for its forms. However, a new European multi-scientific wave is rising in the contemporary research and this study follows this tradition. It focuses on the cultural background, innovative processes and the dynamics of learning in entrepreneurship (for example Fayolle, Ulijn and Kyrö 2005). When it comes to the virtual learning Finland is among those in the forefront in its development. For example in educational sector it has a special strategy programme following mainstreaming principles and in universities we have own programme for national virtual university (Opetusministeriö 2000). Recently virtual learning researches have identified an increasing need to focus more on social, interactive and networking learning practises (Sallila and Kalli 2002). Internet-based learning environments offer one tool to meet this challenge. For example Hakkarainen (2002) regards them as the most promising new technology applications for that purpose. As an example he describes the Canada-based “Future Learning Environment (FLE)-project”. Other examples of different projects that face these questions are, for instance, Finnish “The IQ Form” and “Metodix” that focuses on scientific research (Niemi and Ruohotie 2002, http://www.metodix.com). All three examples represent learning platforms that are rather widely used in respect to Finnish population. The latest statistics of Metodix reports that it has 3,900 registered users and 20,000 average visits/month.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,011 | 0,007 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».