The Effective Use of Computer-Based Training for In-Career Training and Knowledge Management
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 paper describes how the theme for the 2006 Transportation Association of Canada (TAC) Annual Conference, “Transportation without Boundaries” creates an image in the minds of most transportation professionals of what the world would like to achieve within the next decade. However, the pragmatic side says there are institutional barriers that need to be breached and entrenched work cultures that must be changed in order to attain such a vision. A computer-based training (CBT) program is helping transportation agencies in Canada and the United States (US) transcend traditional training boundaries of time and distance to improve winter maintenance operations. The CBT is being used in both individual and conventional group training modes. It is most effective and efficient as an individual self-paced instruction program. Both the group and individual modes are structured to serve a wide range of learning abilities in the student population, including those with challenges such as dyslexia or hearing loss. In an effort to reach field forces more effectively, the American Association of State Highway and Transportation Officials (AASHTO) launched an Anti-Icing/Road Weather Information System (AI/RWIS) CBT into the winter maintenance training arena. Over 90% of US snow-belt states, three provinces and numerous cities in both countries have purchased the CBT. This paper describes how the AI/RWIS CBT is being utilized in both countries and underscores the valuable lessons learned from successful and not-so-successful deployments. It also shows how institutional barriers were breached, entrenched work cultures changed, and how recent research is being incorporated into the instructional content to ensure that training material stays current.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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