A Comparative Analysis of Virtual Education Technology, E-Learning Systems Research Advances, and Digital Divide in the Global South
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This pioneering study evaluates the digital divide and advances in virtual education (VE) and e-learning research in the Global South Countries (GSCs). Using metadata from bibliographic and World Bank data on research and development (R&D), we conduct quantitative bibliometric performance analyses and evaluate the connection between R&D expenditures on VE/e-learning research advances in GSCs. The results show that ‘East Asia and the Pacific’ (EAP) spent significantly more on (R&D) and achieved the highest scientific literature publication (SLP), with significant impacts. Other GSCs’ R&D expenditure was flat until 2020 (during COVID-19), when R&D funding increased, achieving a corresponding 42% rise in SLPs. About 67% of ‘Arab States’ (AS) SLPs and 60% of citation impact came from SLPs produced from global north and other GSCs regions, indicating high dependence. Also, 51% of high-impact SLPs were ‘Multiple Country Publications’, mainly from non-GSC institutions, indicating high collaboration impact. The EAP, AS, and ‘South Asia’ (SA) regions experienced lower disparity. In contrast, the less developed countries (LDCs), including ‘Sub-Sahara Africa’, ‘Latin America and the Caribbean’, and ‘Europe (Eastern) and Central Asia’, showed few dominant countries with high SLPs and higher digital divides. We advocate for increased educational research funding to enhance innovative R&D in GSCs, especially in LDCs.
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.
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 | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle