Research on the E-Teacher in the K-12 Distance Education Classroom
Notice bibliographique
Résumé
Compared to the post-secondary level, distance education at the elementary and secondary levels has received little attention from researchers (Kapitzke & Pendergast, 2005; Smith, Clark, & Blomeyer, 2005). This lack of attention is of concern given the rapid and broad growth of this form of education. In the United States, online education programs are experiencing rapid growth. For example, during the academic year 2005-2006, more than 90,000 middle and high school students were enrolled in state virtual schools in the Southern Regional Education Board, which represented a 100% increase in enrollments from the previous year (Southern Regional Education Board, 2006). While we might assume that research from contexts of post-secondary may inform K-12 distance education, Cavanaugh, Gillan, Kromrey, Hess, and Blomeyer (2004) caution against this assumption as follows: “The temptation may be to attempt to apply or adapt findings from studies of K-12 classroom learning or of adult distance learning, but K-12 distance education is fundamentally unique” (p. 4). The authors further observed that, although research in this area “is maturing” (p. 17), it has only been studied since about 1999. The current “explosion in virtual schools” (p. 6) creates a compelling rationale for continued efforts to conduct research on K-12 distance education.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».