Online Learning As a Tool for the Education System in the Context of Digitalisation
Notice bibliographique
Résumé
Online learning has tended to increase its use in the education system since the beginning of the pandemic. The article aims to empirically investigate the effectiveness of online learning as a tool for the education system in the context of digitalization. The study is based on the use of a structured interview technique and an analysis of the results of a survey of Ukrainian university students. To ensure organization and self-discipline, comprehension, learning, and assimilation of learning material, it is important to ensure a sufficient level of interactivity and teacher-student interaction, feedback, and guidance to students in an adequate time frame. A well-functioning feedback system is a supportive and essential element for student learning. Classical deadlines set by the teacher for assignments are also a valid method in online learning. Students noted the importance of creativity in the teacher's presentation of the task and the importance of the limitations of the methods by which the task can be solved. Timely revision, and evaluation by the teacher of the work, the task also encourage students to put a higher level of effort into their online learning. Online synchronous seminars in ZOOM are more impactful and motivating than recorded video lectures, and presentations which are available to students in asynchronous mode. An essential method of online learning was noted by the students to complete individual written assignments on the studied topic immediately after its presentation. The teacher's explanations and live synchronous conversation were also effective in online learning. Continuous, systematic educator monitoring of the progress and attendance at the online classes encouraged students to attend lectures but was not a major method for ensuring synchronous attendance.
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 | 0,008 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».