Notice bibliographique
Résumé
Due to the recent development of delivery and communication technology and the success of distance learning, educational organizations are starting to use distance teaching to reach students so that they can learn anytime and from anywhere (Daniel, 1997). At the same time, businesses and organizations are increasingly using distance learning technology to bring the training to employees rather than send the employees for training. As a result, faculty and trainers are required to make the transition from classroom face-to-face teaching to distance teaching. One of the drawbacks in making the transition to distance delivery is faculty and trainers may not be prepared to function in the new role which is a major challenge for administrators (Agee, Holisky & Muir, 2003). Also, distance teaching is seen as an add-on for faculty in dual mode institutions (Wolcott, 2003), and resources are not available to prepare staff to work in the distance learning setting. At the same time, the commitment to distance learning from senior officials tend not to be as strong when compared to traditional delivery especially in dual mode institutions where there are both face-to-face delivery and distance delivery, and faculty have to teach both classroom delivery and distance delivery (Betts, 1998; Hislop & Atwood, 2000). Hence, it is important that administrators support distance delivery for it to be successful. According to Betts (1998), administrators who show interest in distance learning and who have experience in distance learning will influence faculty to use distance learning methods.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,098 | 0,060 |
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 source (Gemma direct ou Codex distillé), 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 ».