A case study of integrating Interwise: Interaction, internet self-efficacy, and satisfaction in synchronous online learning environments
Notice bibliographique
Résumé
<p class="Abstract">This paper reports research on the implementation of a web-based videoconferencing tool (Interwise) for synchronous learning sessions on an industrial technology course offered through a university in northern Taiwan. The participants included undergraduate students from the same course offered in two different semesters. We investigated students' perceptions of interactions with the instructor and fellow students, their confidence in utilizing the Internet (Internet self-efficacy), and the satisfaction level that students perceived throughout the learning process with Interwise. We also examined the effect of interactions and Internet self-efficacy on student satisfaction. Data collected through paper-based and online surveys were analyzed using correlation and multiple regression. The results revealed that overall, learners perceived Interwise as a tool that was moderately easy to use for synchronous learning. Learners seemed to prefer using the Interwise features, such as emotion icons, talk, or raise hand, to interact with their instructor. Learners had high confidence in gathering data or getting support through the Internet, but low confidence in resolving Internet related problems. Both learner-learner and learner-instructor interactions were significant predictors of student satisfaction, while Internet self-efficacy did not significantly contribute to satisfaction. Learner-instructor interaction was found to be the strongest predictor of student satisfaction.</p>
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 | 0,008 | 0,004 |
| 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 | 0,001 |
| 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 ».