MétaCan
Menu
Retour à la cohorte
Enregistrement W4392129758 · doi:10.55667/10.55667/ijede.2023.v38.i2.1300

Lecturers’ perceptions of a learning management system migration at an open distance learning institution

2024· article· en· W4392129758 sur OpenAlexvenueno aff
Piera Biccard, Phumza Makgato-Khunou

Notice bibliographique

RevueInternational journal of e-learning & distance education · 2024
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLearning ManagementDistance educationWorkloadInstitutionEducational institutionPsychologyKnowledge managementSociologyComputer sciencePedagogyMathematics educationSocial science

Résumé

récupéré en direct d'OpenAlex

Learning management systems (LMSs) are common in higher education institutions and form the backbone of open distance and e-learning (ODeL) institutions. Migrating to any new form of technology is known to be a challenging endeavour and LMSs are no exception. This study uses the Unified Theory of Acceptance and Use of Technology (UTAUT) model to analyse open-ended responses to a questionnaire sent to lecturers at an ODeL institution during the migration from one LMS to another. In the study, 83 responses are analysed, and six major themes are discussed. The results indicate that timely and specific support is critical in a technological migration process, and communication around the migration is vital to the morale of lecturers involved. We noted many instances of anxiety due to increased workload factors. We recommend that institutions migrating from one LMS to another conduct pilot studies and focus on clear and effective communication while not underestimating the resources needed for successful migration processes. Keywords: Learning management systems, LMS, migration, Unified Theory of Acceptance and Use of Technology, UTAUT, open distance institutions Perceptions des enseignants concernant la migration d'un système de gestion de l'apprentissage dans un établissement de formation ouverte et à distance Résumé : Les systèmes de gestion de l'apprentissage (LMS) sont courants dans les établissements d'enseignement supérieur et constituent l'épine dorsale des établissements de formation ouverte et à distance (FOAD). La migration vers toute nouvelle forme de technologie est connue pour être une entreprise difficile et les LMS ne font pas exception à la règle. Cette étude utilise le modèle de la théorie unifiée de l'acceptation et de l'utilisation des technologies (UTAUT) pour analyser les réponses ouvertes à un questionnaire envoyé aux enseignants d'un établissement de FOAD pendant la migration d'un LMS à un autre. L'étude analyse 83 réponses et aborde six thèmes principaux. Les résultats indiquent qu'un soutien spécifique et opportun est essentiel dans un processus de migration technologique, et que la communication autour de la migration est vitale pour le moral des enseignants concernés. Nous avons relevé de nombreux cas d'anxiété dus à l'augmentation de la charge de travail. Nous recommandons aux institutions qui migrent d'un LMS à un autre de mener des études pilotes et de se concentrer sur une communication claire et efficace tout en ne sous-estimant pas les ressources nécessaires à la réussite des processus de migration. Mots-clés : Systèmes de gestion de l'apprentissage, LMS, migration, théorie unifiée de l'acceptation et de l'utilisation de la technologie, UTAUT, établissements de formation ouverte et à distance

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,002
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,044
Tête enseignante GPT0,398
Écart entre enseignants0,354 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational journal of e-learning & distance educationMême sujetTechnology Adoption and User BehaviourTravaux en français237 207