Évaluation comparative des formations en ligne relativement à la perception des étudiants vietnamiens aux études supérieures
Bibliographic record
Abstract
Le Vietnam est considéré comme étant avancé dans l’adoption et l’usage des technologies de l’information et de la communication (TIC) en éducation, suivant les critères définis par l’UNESCO. Cependant, la plupart des établissements d’enseignement supérieur vietnamiens ne se limitent qu’à investir dans du matériel et des équipements technologiques pour encourager les initiatives individuelles d’enseignement en ligne chez les enseignants universitaires, sans disposer de véritable politique institutionnelle de formation en ligne ni de toutes les dimensions nécessaires à l’intégration systématique des TIC. Cela les empêche d’atteindre un niveau d’efficacité suffisant et une cohérence d’ensemble. Cet article vise à présenter les résultats de l’étude des modèles de développement du cyberapprentissage dans les établissements d’enseignement supérieur du monde entier, en particulier celui de l’Association européenne des universités d’enseignement à distance (EADTU), en vue de construire un modèle d’évaluation comparative de la politique institutionnelle de l’apprentissage en ligne en fonction de la perception des étudiants. Ce modèle a fait l’objet d’une enquête auprès de 460 étudiants de quatre établissements d’enseignement supérieur vietnamiens, dont les résultats d’analyse factorielle permettent de valider une version adaptée de l’enquête au contexte local.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.012 | 0.032 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".