Notice bibliographique
Résumé
The education sector is not really averse to emerging technology, including the Internet. Technology-Enhanced Learning has evolved into a field of study and practice centered on the use of information and communication technologies in teaching and learning. This research aimed to analysis the use of Moodle for course creation as E-learning platform at selected private institutions in Canada. The study took place at chosen private institutions in Canada. To support the research to evaluate use of Moodle for course creation as E-learning platform at private institutions, the researchers used four Moodle creation aspects, first instructors’ technology experience, second was university’s system quality, third was information quality and last was instructors ‘internet experience. The study used a survey to assess the current study using a quantitative analysis approach. The data was collected at random among 78 instructors from Canada's private institutions. The findings revealed that Instructors’ internet experience as the use of Moodle element has significant positive influence on course creation at 5% level. Furthermore, all beta value is higher than .001. All models have very high adjusted R2 (0.681, 0.627, 0.712, and 0.732 respectively) indicating the ability of the models explaining the variation of course creation due to variation of independent variables is very high. The F-value shows that the explanatory variables are jointly statistically significant in the model and the Durbin-Watson (DW) statistics reveals that there is autocorrelation in the models.
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 | 0,001 | 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 | 0,008 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».