Policy Processes for Technological Change
Notice bibliographique
Résumé
Universities, among the oldest social institutions, are facing enormous pressures to change. There have always been debates about the university, its purpose, its pedagogical program, and its relationship to other social and political structures. Today, these debates have been given renewed vigor and urgency by the availability of advanced information and communication technologies for teaching and learning. These include computers and computer networks, along with the software and telecommunications networks that link them together. When these technologies are used to connect learners at a distance, they are called “telelearning technologies.” When referring to their use more generally, to include local as well as remote teaching innovations, they are sometimes called “technology mediated learning” (TML). Despite much media attention and recent academic criticism, pressures on universities are facilitated, but not caused, by telelearning technologies. Change in universities is not simply a result of forces acting upon universities, but is the result of a complex interaction of internal and external drivers. The use of telelearning technologies intersects with a host of social, political, and economic factors currently influencing university reform. Technology, in this context, has become the catalyst for change, reacting with other elements in a system to spark a reaction and a change in form and structure. This chapter examines policy processes for the introduction of technology-mediated learning at universities and colleges. It is based on the results of a two-year research project to investigate policy issues that arise with the implementation of telelearning technology in universities and colleges. The focus was on Canadian institutions of higher learning, but the issues raised are common to higher educational institutions in other countries. The study scanned a large number of institutions, reviewed documents, and interviewed key actors including government and institutional administrators, faculty, and students, to discover the range of issues raised by the implementation of telelearning technologies. This chapter discusses these issues and findings.Request access from your librarian to read this chapter's full text.
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 | 0,030 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,025 |
| Communication savante | 0,024 | 0,019 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,019 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,003 |
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 ».