Bounded Community: Designing and Facilitating Learning Communities in Formal Courses
Notice bibliographique
Résumé
Learning communities can emerge spontaneously when people find common learning goals and pursue projects and tasks together in pursuit of those goals. Bounded learning communities (BLCs) are groups that form within a structured teaching or training setting, typically a course. Unlike spontaneous communities, BLCs develop in direct response to guidance provided by an instructor, supported by a cumulative resource base. This article presents strategies that help learning communities develop within bounded frameworks, particularly online environments. Seven distinguishing features of learning communities are presented. When developing supports for BLCs, teachers should consider their developmental arc, from initial acquaintance and trust-building, through project work and skill development, and concluding with wind-down and dissolution of the community. Teachers contribute to BLCs by establishing a sense of teaching presence, including an atmosphere of trust and reciprocal concern. The article concludes with a discussion of assessment issues and the need for continuing research. A version of this paper was presented at the meeting of the American Educational Research Association (AERA), San Diego, April 2004. Please send inquiries to Brent G. Wilson (brent.wilson@cudenver.edu). [Additional contact information: Brent's phone: 303-556-4363; fax 303-556-4479] Keywords: learning community; instructional design; emergent systems; collaborative learning; teaching presence; sense of community
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,004 | 0,009 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».