MétaCan
Menu
Retour à la cohorte
Enregistrement W4245227895 · doi:10.1258/135763306776084400

Tele-education

2006· article· en· W4245227895 sur OpenAlexaff
Vernon Curran

Notice bibliographique

RevueJournal of Telemedicine and Telecare · 2006
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésAsynchronous communicationVideoconferencingComputer scienceMultimediaDistance educationInteractive videoThe InternetTeleconferenceAsynchronous learningEducational technologySynchronous learningWorld Wide WebTeaching methodTelecommunicationsCooperative learningPsychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

Tele-education has been used for many years to deliver continuing education programmes to rural health-care professionals. The main modes are audio, video and computer. Audio technologies involve the transmission of the spoken word (voice) between learners and instructors, either synchronously or asynchronously. Examples of the former include audioconferencing and short-wave radio; examples of the latter include audiotape or audiocassette. Video for distance learning, like audio, can be used in either synchronous or asynchronous fashion. Videoconferencing, or interactive television, are considered synchronous because there is the opportunity for live visual and verbal interaction between instructors and learners. Asynchronous instructional video tools include slow-scan video, interactive videodiscs and videotapes. Computer-assisted learning or instruction can be defined as any learning that is mediated by a computer and which requires no direct interaction between the user and a human instructor in order to run. It is becoming increasingly common. Examples include: the Internet and World Wide Web, email, synchronous and asynchronous computer-mediated communication applications and interactive multimedia applications on CD-ROM. Tele-education technologies have an important role to play in addressing the professional isolation which is experienced by rural and remote health-care professionals.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,909
Score d'incertitude au seuil0,166

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 Opus0,007
Tête enseignante GPT0,310
Écart entre enseignants0,302 · 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'étudeSans objet
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

Citations68
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Telemedicine and TelecareMême sujetOnline and Blended LearningTravaux en français237 207