MétaCan
Menu
Retour à la cohorte
Enregistrement W2997465227 · doi:10.1109/ithet46829.2019.8937340

Introducing the Global Educational Learning Observatory (GELO) and the Global Readiness Explorer (GREx): A framework and dashboard to investigate tech competence and culture

2019· article· en· W2997465227 sur OpenAlexaff
Roland van Oostveen, Elizabeth Childs, Wendy Barber, Maurice DiGiuseppe, Jennifer Percival, C. Desjardins

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender and Technology in Education
Établissements canadiensRoyal Roads UniversityOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésVariety (cybernetics)Competence (human resources)DashboardKnowledge managementCreativityPublic relationsComputer scienceSociologyData scienceBusinessPolitical sciencePsychologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The Organization for Economic Co-operation and Development calls for immediate paradigmatic shifts in how educational institutions and the broader society address employment skills. A wide variety of local and global sources, including trade magazines, government sites, and pan-governmental sites, echo this urgent call, recommending increased emphasis on skills development in complex problem solving, critical thinking, creativity, and collaboration. The overarching aim of the Global Educational Learning Observatory (GELO) project is to develop a framework for creating an international network of institutions utilizing data-driven and science-informed evidence of best practices in online and mobile learning, while endeavoring to reach out to a large variety of individuals in formal and informal educational institutions globally. To achieve this, the project aims to (i) assemble a nucleus of formal educational institutions; (ii) construct the necessary tools to extend research on formal learning models; and (iii) reach into workplaces and more public spaces to integrate with informal learning settings. The primary source of data derives from a customizable dashboard, the Global Readiness Explorer (GREx), and a variety of quantitative tools that may be implemented within it. In addition, local initiatives and the development of overarching policies will require the use of qualitative and mixed methodologies for the collection and analysis of textual, video. and other types of artifacts to supplement the quantitative data. In GELO, partner institutions can use the broad range of data types to make decisions about course and professional learning offerings in response to the needs identified through analysis of the data. The results of this project will allow the project team to use digital technology tools to more fully explore informal learning settings around the world as a means of transforming our common understandings of traditional, institutional, and more contemporary, lifelong learning trends.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,155
Score d'incertitude au seuil0,579

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,298
Écart entre enseignants0,284 · 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 tête enseignante, 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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGender and Technology in EducationTravaux en français237 207