Notice bibliographique
Résumé
Today, most organizations need to extend lifelong learning opportunities to their employees in order to be successful in an increasingly competitive global marketplace. Organizations are turning to technological solutions to enable online in-house training and learning for their employees. An integrated approach to e-learning is important because it can be effectively used to analyze employee performance and also to gather information for continuous online and real-time learning of organizational goals to better tailor the educational product and its content. Online learning is made possible by advancements in network infrastructure and the development of voice and multimedia protocols for the seamless transport of information. E-learning involves encouraging the employee to spend time electronically to bring about learning, and to collect information and analyze it with respect to organizational needs, learning processes, and user preferences (Alavi & Leidner, 1999). E-learning ranges from simple computer use in a classroom where instructional materials are stored on a local-area network, to the use of simulation systems used to support teaching activities, or to distance education using broadband-enabled multimedia and shared electronic work spaces. E-learning styles include learner-centric, instructor-centric, and directed environments. E-learning communication modes include synchronous vs. asynchronous modes (time of interaction), and one-to-one, one-to-many, and many-to-many interaction modes. Presentation styles include voice only, voice and video, text only, text and animation, and voice, video, and text. Pedagogical approaches include objectivist, constructivist, and collaborative approaches and situated learning. Also, it is known that learning within organizations is affected by task complexity and the organizational environment (Argyris & Schon, 1996; Bhatt, 2002; Spender, 1996).
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».