Sociodemographic Characteristics of Learners and Participation in Computer Conferencing
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 article explores the relationship between learners' sociodemographic characteristics and their level of participation in computer conferencing. A quantitative study of participation among 30 learners in a noncredit agricultural leadership development program provides the empirical data for this exploration. The relationships between learner participation and six sociodemographic variables are explored: sex, age, education level, occupation, residence in urban or rural areas, and region of residence in Canada. Holding a university degree and living in an urban area are found to be the strongest predictors of participation. Recognizing that a considerable amount of variability in learners' participation in computer conferences may reflect those learners' sociodemographic characteristics has important implications for the design and facilitation of such conferences. Cet article explore les relations entre les caracteristiques socio-demographiques des apprenants et leurs niveaux de participation aux conferences telematiques. Une etude quantitative de la participation de trente personnes a un programme non-credite de developpement du leadership en agriculture constitue les donnees empiriques de cette recherche. Les relations entre les apprenants, leurs participations et six variables socio-demographiques sont analysees : le sexe, l'âge, le niveau d'education, l'occupation, le milieu urbain ou rural et le lieu de residence au Canada. Les variables « possedant un diplome universitaire » et « residant en milieu urbain » sont les predicteurs les plus susceptible d'une participation positive des apprenants. Reconnaitre que la grande variabilite de la participation des apprenants aux conferences telematiques peut decouler de leurs caracteristiques socio-demographiques a des implications importantes dans la planification de telles conferences.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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