ONE-TO-ONE TECHNOLOGY-ENHANCED LEARNING: AN OPPORTUNITY FOR GLOBAL RESEARCH COLLABORATION
Notice bibliographique
Résumé
Over the next 10 years, we anticipate that personal, portable, wirelessly-networked tech- nologies will become ubiquitous in the lives of learners — indeed, in many countries, this is already a reality. We see that ready-to-hand access creates the potential for a new phase in the evolution of technology-enhanced learning (TEL), characterized by “seamless learning spaces” and marked by continuity of the learning experience across different scenarios (or environments), and emerging from the availability of one device or more per student (“one-to-one”). One-to-one TEL has the potential to “cross the chasm” from early adopters conducting isolated design studies to adoption-based research and widespread implementation, with the help of research and evaluation that gives attention to the digital divide and other potentially negative consequences of pervasive computing. We describe technology-enhanced learning and the affordances of one-to-one computing and outline a research agenda, including the risks and challenges of reaching scale. We reflect upon how this compares with prior patterns of technology innovation and dif- fusion. We also introduce a community, called “G1:1,” that brings together leaders of major research laboratories and one-to-one TEL projects. We share a vision of global research, inviting other research groups to collaborate in ongoing activities.
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 | 0,018 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,009 |
| Communication savante | 0,017 | 0,025 |
| Science ouverte | 0,002 | 0,029 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,003 |
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 ».