Developing the Techno-pedagogical Skills of Online University Instructors
Notice bibliographique
Résumé
Online training is rapidly being adopted by universities. It is important to contemplate how to effectively support the development of the techno-pedagogical skills of online instructors, particularly when using a synchronous delivery method. A descriptive research project with a convenience sample of 14 professors and instructors was used to test a training sequence via Web conferencing. A one-group pre-test post-test pre-experimental design combining data collection through a questionnaire and observation has been implemented. The questionnaire focused on the profile of the participants regarding their use of technology, social media, and cloud computing. Techno-pedagogical skills were observed in 10 simulated situations. Surprisingly, participants whose profile indicated high access to technology and social media did not perform better than those with less access. The use of several cloud-computing services was conducive to a higher score when observing more inclusive simulated situations. To provide effective support to online instructors, we recommend they be given the necessary training to ensure efficient and effective performance and prepare them for switching from in-class teaching to online instruction while taking all challenges into account. Résumé: La formation en ligne est rapidement adoptée par les universités. Il est important d'envisager comment soutenir efficacement le développement des compétences technopédagogiques des enseignants en ligne, en particulier lorsqu'ils utilisent un mode d’enseignement synchrone. Un projet de recherche descriptive avec un échantillon de commodité composé de 14 professeurs et chargés de cours a été utilisé pour tester une séquence de formation à l'utilisation de la conférence Web. Un design pré-expérimental a été étudié en combinant les données récoltées par questionnaires et l’observation d’un groupe dans le cadre d’un pré-test et d’un post-test. Le questionnaire était axé sur le profil des participants en ce qui concerne leur utilisation de la technologie, des médias sociaux et de l'informatique en nuage. Les compétences technopédagogiques ont été observées dans 10 situations simulées. Étonnamment, les participants dont le profil indiquait un accès élevé à la technologie et aux médias sociaux n'ont pas obtenu de meilleurs résultats que ceux dont l'accès était moindre. L'observation des situations plus inclusives simulées ont par contre mis en relief que l'utilisation de plusieurs services d'informatique en nuage semblait aller de pair avec de meilleurs résultats. Afin de fournir un soutien efficace aux enseignants en ligne, nous recommandons qu'ils reçoivent la formation nécessaire afin de mettre en œuvre un travail efficient et efficace, et de les préparer à passer de l'enseignement en classe à l'enseignement en ligne en prenant en compte tous les défis d’une telle transition. Mots-clés : compétences technopédagogiques, formation à distance, formation, enseignants
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».