MétaCan
Menu
Retour à la cohorte
Enregistrement W1567297997 · doi:10.19173/irrodl.v15i2.1604

An elaborated model of student support to allow for gender considerations in Asian distance education

2014· article· en· W1567297997 sur OpenAlexfundvenueno aff
Insung Jung, Seongyoun Hong

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésDistance educationChinaPsychologyQuality (philosophy)Perspective (graphical)PerceptionHigher educationMathematics educationPedagogyComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Research indicates that distance education (DE) students regard learner support systems as the key element in quality provision. This study sought to identify the key concerns of Asian DE students regarding support provision in different types of DE and dual-mode providers and formulate a student support model which took account of gender issues. An online survey was conducted with 1,113 distance learners in Japan, Korea, Hong Kong SAR China, Malaysia, India, Pakistan, Philippines, Singapore, and Thailand which required them to respond to open-ended questions regarding their main concerns over the quality of distance education. Their responses were analyzed with Nvivo 2.0 based on the framework of the Atkins (2008) ARCS model of distance learner support. It was found that in assessing the quality of DE the students valued 13 types of student support across five domains: affective, reflective, cognitive, systemic, and gender-considerate. It was also confirmed that there were gender differences in the students’ perceptions of the need for student support. Building on these findings, an elaborated model for student support for Asian distance learners was developed from a systems perspective, and from this, a list of supporting strategies was proposed.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,138
Tête enseignante GPT0,530
Écart entre enseignants0,392 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetOnline and Blended LearningTravaux en français237 207