Technology-Enabled Learning: Policy, Pedagogy and Practice
Notice bibliographique
Résumé
Teaching and learning have undergone considerable transformation from the traditional classroom model to the current online and blended models. Developments in information and communications technologies hold the key to such transformation. Seizing the opportunities and affordances of these technologies, COL’s Technology-Enabled Learning (TEL) initiative has focused on several activities to support governments and educational institutions in the Commonwealth since July 2015. // Significant and sustainable interventions include: the Commonwealth Digital Education Leadership Training in Action programme; ICT in education policy development, including open educational resources policy and implementation; massive open online courses on TEL and blended learning practices; systematic TEL implementation in educational institutions; and advanced ICT skills development. // Technology-Enabled Learning: Policy, Pedagogy and Practice, based mostly on various TEL projects in the last five years, presents diverse experiences of TEL from a critical research perspective, offering lessons that can be deployed elsewhere. The book’s 17 chapters provide success stories about the planned and systematic integration of technology in teaching and learning, and present models for online training at scale using massive open online courses and other platforms. Within the framework of the policy–technology–capacity approach to TEL implementation at the micro, meso and macro levels, the chapters also provide guidelines for researching and evaluating similar projects and interventions. // In the post-COVID-19 world of education, the lessons learnt and recommendations in this book will help policy makers and educational leaders rethink existing models of education and training.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».