GOOD PRACTICES FOR VIRTUAL CLASSROOM IN UNIVERSITARY BLENDED LEARNING BUENAS PRÁCTICAS DE AULAS VIRTUALES EN LA DOCENCIA UNIVERSITARIA SEMIPRESENCIAL
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
<!-- @page { margin: 0.79in } P { margin-bottom: 0.08in } --> <p style="margin-bottom: 0in;" lang="en-US" align="JUSTIFY">We present the design and results of a study conducted at the University of La Laguna (ULL) to identify best practices in virtual classrooms in Higher Education developed in the form of blended learning. The study was conducted in the first quarter of 2008 and analyzed a large sample of virtual classrooms (N = 107) in the Virtual Campus of the University during the period 2005-07. This article presents six examples of virtual classrooms by scientific fields characterized by the incorporation of information resources, communication and experiential learning. <br><!-- @page { margin: 0.79in } P { margin-bottom: 0.08in } --> <p style="margin-bottom: 0in;" align="JUSTIFY">En este artículo presentamos el diseño y resultados de un estudio realizado en la Universidad de La Laguna (ULL) destinado a identificar buenas prácticas de aulas virtuales en la docencia universitaria desarrolladas bajo la modalidad de <em>blended learning</em> o enseñanza semipresencial. El estudio se desarrolló en el primer trimestre del año 2008 y analizó una importante muestra de las aulas virtuales (N= 107) existentes en el Campus Virtual de dicha universidad en el periodo 2005-07. Se seleccionaron seis ejemplos de aulas virtuales, clasificados por campos científicos, caracterizadas por la incorporación de recursos de información, de comunicación y de aprendizaje experiencial.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,009 |
| Science ouverte | 0,008 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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