2002 Pan-Canadian Education Research Agenda Symposium
Notice bibliographique
Résumé
The opinions expressed in this paper are those of the authors and do not represent the views of the Canadian Education Statistics Council The literature devoted to technology and education is replete with claims regarding the contribution of computer technologies to teaching and learning in elementary and secondary schools. The claims have fuelled expectations and encouraged local and provincial school jurisdictions to expend significant resources on new technologies. This review of research is a response to the call by the Canadian Education Statistics Council to prepare a paper addressing some dimension of the impact of information and communication technology (ICT) on teaching and learning in elementary, secondary, or post secondary education in Canada. We have focussed our review on two major areas: 1) the efficacy of ICTs for achievement, motivation, and metacognitive learning; and 2) the impact of ICTs on instruction in content areas in elementary and secondary schools. Mindful of the importance of contextual factors such as ethno-cultural and linguistic diversity, we have attempted to focus on Canadian research. Nevertheless, because the material devoted to Canada is scarce, we have augmented our review with international research on these topics. It was our intention to identify claims that would enable those responsible for the formation or implementation of policy to make informed decisions. Few, if any, claims were sufficiently well researched or well evidenced to provide direction for policy. We conclude our review with a discussion of policy, the impact of research in the classroom, and suggestions of further research.
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 | 0,003 |
| 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) | 0,030 | 0,004 |
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 ».