MétaCan
Menu
Retour à la cohorte
Enregistrement W3166730449

Implementation and Deployment of IMS-LD - Outcomes of the IDLD Project

2006· article· en· W3166730449 sur OpenAlexaboutno aff
Karin Lundgren-Cayrol, Olga Mariño, Gilbert Paquette, Michel Léonard, Ileana de la Teja

Notice bibliographique

RevueR-libre (Université Téluq) · 2006
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSoftware deploymentReusabilityComputer scienceProcess (computing)Software engineeringBridge (graph theory)Set (abstract data type)Quality function deploymentSystems engineeringProcess managementEngineering managementEngineeringSoftwareOperations managementProgramming language
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

IDLD, Implementation and Deployment of Learning Design http://www.idld.org, is a Canadian project that aims to bridge the gap among IMS Learning Design researchers and developers and pedagogical designers. Two main products of the project are a well founded, well supported and well tooled implementation process for describing new or existing IMS-LD compliant units of learning and a repository of reusable Learning Design examples and generic templates. In this paper we describe the proposed implementation process and how it was carried out by four IDLD teams building Units of Learning (UoL) for the repository. In each case, IMS-LD compliant Units of Learning were produced from existing scenarios, leading to a set of both generic and exemplary UoLs. The scenarios were carefully chosen to assure some design quality in order to enhance the reusability potential. The paper concludes with some recommendations and next steps.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,269
Score d'incertitude au seuil0,505

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,023
Tête enseignante GPT0,342
Écart entre enseignants0,319 · 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

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueR-libre (Université Téluq)Même sujetInnovative Teaching and Learning MethodsTravaux en français237 207