A Comparison of Participation Patterns in Selected Formal, Non-formal, and Informal Online Learning Environments / Comparaison des modes de participation dans des environnements formels, non formels et informels d'apprentissage en ligne
Notice bibliographique
Résumé
Does learner participation vary depending on the learning context? Are there characteristic features of participation evident in formal, non-formal, and informal online learning environments? Six online learning environments were chosen as epitomes of formal, non-formal, and informal learning contexts and compared. Transcripts of online discussions were analyzed and compared employing Transcript Analysis Tools for measures of density, intensity, and reciprocity of participation (Fahy, Crawford, & Ally, 2001), and mean reply depth (Wiley, n.d.). This paper provides an initial description and comparison of participation patterns in a formal, non-formal, and informal learning environment, and discusses the significance of differences observed. La participation des apprenants varie-t-elle en fonction du contexte d'apprentissage? Existe-t-il des caractéristiques de participation spécifiques aux environnements formels, non formels et informels d'apprentissage en ligne? Six environnements d'apprentissage en ligne ont été sélectionnés pour illustrer les contextes formels, non formels et informels d'apprentissage et ont été comparés. Les transcriptions des discussions en ligne ont été analysées et comparées à l’aide des Transcript Analysis Tools pour mesurer la densité, l'intensité et la réciprocité de la participation (Fahy, Crawford, et Ally, 2001), ainsi que la profondeur moyenne de réponse (John Wiley & Sons, nd). Cet article décrit et compare les modes de participation dans un environnement formel, non formel et informel d'apprentissage, et discute la portée des différences observées.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».