the Canadian Education Statistics Council
Notice bibliographique
Résumé
The driving question for this review is: What are the important dimensions of capacity building for ICT integration in education that have been identified, articulated, and experienced in different jurisdictions outside of Canada, and that have not [yet] been disseminated in the traditional research publication channels. We identified 12 Research and Development (R & D) initiatives involving 14 countries that either make explicit connection between national or state policies and research & development, have national or international scope, or both. We present the capacity building process that emerged out of studying the source, partners, activities, and results of R & D initiatives. The following dominant themes were identified: 1) The vision underlying educational reform, 2) partnerships, 3) leadership, 4) connectivity and access, 5) curriculum requirements, 6) teacher professional development, and 7) assessment of learning. We observe capacity building mostly around a few existing innovations in education: the networked computer, knowledge building, and collaborative project-based learning. Exciting results are growing out of the greenhouse R & D initiatives. Will efforts to scale them up lead to the loss of their rational and their innovative dimension? Too few studies consider both a leading-edge pedagogical practice of ICT-supported knowledge building in the classroom and an advanced perspective on school leadership and governance. We conclude generally that countries are acting proactively but are still far away from seeing network-supported innovative practices in teaching and learning being sustainable or adopted on a large scale. Such practices would be in coherence with the discourse on the knowledge society.
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 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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,006 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».