Academic staff development in the area of technology enhanced learning in the UK HEIs
Notice bibliographique
Résumé
This paper reports on a study on staff development in the area of technology enhanced learning in UK Higher Education Institutions (HEIs) that took place in November 2011. Data for this study were gathered via an online survey emailed to the Heads of e-Learning Forum (HeLF) which is a network comprised of one senior member of staff per UK institution leading the enhancement of learning and teaching through the use of technology. Prior to the survey, desk-based research on some universities’ publicly available websites gathered similar information about staff development in the area of technology enhanced learning. The online survey received 27 responses, approaching a quarter of all UK HEIs subscribed to the Heads of e-Learning forum list (118 is the total number). Both pre-1992 (16 in number) and post-1992 Universities (11 in number) were represented in the survey and findings indicate the way this sample UK HEIs are approaching staff development in the area of TEL. The survey’s main research question was ‘what provision do UK HEIs make for academic staff development in the area of technology enhanced learning’. Twelve questions, both closed and open-ended, were devised in order to gather enough information about how staff development needs in the area of technology enhanced learning are addressed by different UK institutions. Following the justification of the adopted research methodology, the findings from the online survey are analyzed and discussed and conclusions are drawn.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».