Informal Learning Evidence in Online Communities of Mobile Device Enthusiasts
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This chapter describes a study that investigated the informal learning practices of enthusiastic mobile device owners. Informal learning is far more widespread than is often realized. Livingston (2000) pointed out that Canadian adults spend an average of fifteen hours per week on informal learning activities, more than they spend on formal learning activities. The motivation for these learning efforts generally comes from the individual, not from some outside force such as a school, university, or workplace. Therefore, in the absence of an externally imposed learning framework, informal learners will use whatever techniques,resources, and tools best suit their learning needs and personal preferences. As ownership of mobile technologies becomes increasingly widespread in the western world, it is likely that learners who have access to this technology will use it to support their informal learning efforts. This chapter presents the findings of a study into the various and innovative ways in which PDA and Smartphone users exploit mobile device functionality in their informal learning activities. The findings suggested that mobile device users deploy the mobile, connective, and collaborative capabilities of their devices in a variety of informal learning contexts, and in quite innovative ways. Trends emerged, such as the increasing importance of podcasting and audio and the use of built-in GPS, which may have implications for future studies. Informal learners identified learning activities that could be enhanced by the involvement of mobile technology, and developed methods and techniques that helped them achieve their learning goals.
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.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,020 | 0,015 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 découle