The Processes of Designing and Implementing Globally Networked Learning Environments and their Implications on College Instructors’ Professional Learning: The Case of Québec CÉGEPs
Notice bibliographique
Résumé
Abstract This study describes the design and implementation processes of globally networked learning environments (GNLEs) in a college environment and discusses how these processes may contribute to instructors' professional learning. A thematic analysis was conducted on five interviews with instructors working in Quebec general and vocational colleges (CEGEPs). The design and implementation processes were mapped out using Fretchling's (2007) logic modeling basic components. Findings suggest that GNLEs in a college context take the form of joint lectures or joint activities. Instructors reported that designing and teaching within a GNLE had led to pedagogical, intercultural and technology-related learning; and that learning was fostered by unforeseen challenges as well as long-standing partnerships. Résumé L’objectif de cette étude est de décrire les processus de conception et de mise en œuvre de milieux d’apprentissage réseautés internationalement (MARI) dans un environnement collégial ainsi que d’analyser leur influence sur le perfectionnement professionnel. Une analyse thématique réalisée à partir de cinq entrevues avec des enseignants de cégeps a permis d’élaborer un modèle logique (Fretchling 2007). Les résultats suggèrent que les MARI implantés dans un collège prennent surtout la forme de cours magistraux ou d’activités pédagogiques conjointes. Pour les enseignants impliqués, le perfectionnement (pédagogique, interculturel ou technologique) résulte des imprévus et des partenariats durables inhérents aux MARI.
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 | 0,000 |
| 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».