MétaCan
Menu
Retour à la cohorte
Enregistrement W3161300219 · doi:10.19173/irrodl.v22i2.5108

An Analysis of Digital Education in Canada in 2017-2019

2021· article· en· W3161300219 sur OpenAlexaffvenueabout
George Veletsianos, Charlene VanLeeuwen, Olga Belikov, Nicole Johnson

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensUniversity of Prince Edward IslandRoyal Roads University
Organismes subventionnairesnon disponible
Mots-clésRigourElectronic publishingHigher educationEducational technologyDigital learningThe InternetDistance educationOpen educationSociologyPedagogyComputer scienceLibrary scienceWorld Wide WebPolitical science

Résumé

récupéré en direct d'OpenAlex

Digital education refers to in-person, blended, and fully online learning efforts, as well as attempts to capture a wide range of teaching and learning contexts which make use of digital technology. While digital education is pervasive in Canada, pan-Canadian data on digital education are relatively scarce. The Canadian Digital Learning Research Association/Association Canadienne de Recherche sur la Formation en Ligne conducted pan-Canadian surveys of higher education institutions (2017-2019), collecting data on the digital education landscape and publishing annual reports of its results. Previous analyses of the data have used quantitative approaches. However, the surveys also collected responses to open-ended questions. In this study, we report a systematic analysis of qualitative data exploring the digital education landscape in Canada and its changes over time. Findings shed light on the growth of digital education, the situated and multidimensional nature of digital education, the adoption of openness, quality, and rigour, and the development of alternative credentials.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,357
Score d'incertitude au seuil0,819

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,045
Tête enseignante GPT0,439
Écart entre enseignants0,394 · 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

Citations19
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetOnline Learning and AnalyticsTravaux en français237 207