MétaCan
Menu
Retour à la cohorte
Enregistrement W1665201246

Use of Instructional Dialogue by University Students in a Distance Education Chemistry Course

2004· article· en· W1665201246 sur OpenAlexvenueno aff
Paul Gorsky, Avner Caspi, Inbal Tuvi‐Arad

Notice bibliographique

RevueInternational journal of e-learning & distance education · 2004
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIntrapersonal communicationInterpersonal communicationPsychologyPedagogyHumanitiesInterpersonal interactionChemistryMathematics educationSocial psychologyPhilosophy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A distance education system may be viewed in terms of intrapersonal and interpersonal instructional dialogues that mediate the learning and instructional resources that enable such dialogues. Instructional resources include self-instruction texts, tutorial sessions, instructor availability, Web sites, and more. This study investigated the kinds of dialogues engaged in by Open University students and the kinds of resources they used while studying an intermediate-level chemistry course. Research objectives were to document (a) what study strategies if any, involving which resources and dialogues, were generally used by students; (b) what dialogue types, enabled through which resources, were specifically used by students to overcome conceptual difficulties; and (c) how the use of resources and dialogues in the chemistry course compared with students’ experiences in other science courses. It was found that all students initially chose individual study characterized by intrapersonal dialogue. Only when individual study failed did students opt for interpersonal dialogue. This finding conflicts with the assumed importance often ascribed to interpersonal dialogue by some distance education theorists. Un systeme d’education a distance peut etre vu en termes de dialogues pedagogi- ques intrapersonnels et interpersonnels qui servent d’intermediaires entre l’apprentissage et les ressources pedagogiques qui rendent possibles de tels dialogues. Les ressources pedagogiques incluent les textes d’autoapprentissage, les sessions de tutorat, la disponibilite du professeur, les sites Web, etc. L’etude a examine, dans le cadre d’un cours de chimie de niveau intermediaire dans une universite par correspondance, les types de dialogue qu’engagent les etudiants et le type de ressources qu’ils utilisent. Les objectifs de l’etude etaient de documenter (a) quelles strategies d’apprentissage, si existantes, impliquant quelles ressources et quels dialogues, etaient generalement utilisees par les etudiants, (b) quels types de dialogues, rendus possibles par le bais de quelles ressources, etaient specifiquement utilises par les etudiants pour surmonter les difficultes conceptuelles, et (c) comment l’utilisation de ressources et de dialogues dans le cours de chimie pouvait-elle se comparer avec les experiences des etudiants d’autres cours de science. Les resultats ont montre que tous les etudiants avaient initialement choisi l’apprentissage individuel caracterise par le dialogue intrapersonnel. Les etudiants ont opte pour le dialogue interpersonnel seulement quand l’apprentissage individuel n’avait pas reussi. Ce resultat de recherche entre en conflit avec les idees de certains theoriciens en eduction a distance qui, souvent, attribuent de l’importance au dialogue interpersonnel.

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)0,015
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 enseignants0,004
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,002
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,019
Tête enseignante GPT0,367
Écart entre enseignants0,348 · 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

Citations29
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational journal of e-learning & distance educationMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207