MétaCan
Menu
Retour à la cohorte
Enregistrement W1570788369 · doi:10.21432/t2g01q

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

2012· article· en· W1570788369 sur OpenAlexaffvenue
Richard A. Schwier, Jennifer Seaton

Notice bibliographique

RevueCanadian Journal of Learning and Technology · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésLigneHumanitiesFormal learningSociologyPhilosophyPedagogy

Résumé

récupéré en direct d'OpenAlex

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 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)0,003
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,334
Écart entre enseignants0,312 · 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'étudeObservationnel
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

Citations7
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Learning and TechnologyMême sujetOnline and Blended LearningTravaux en français237 207