MétaCan
Menu
Retour à la cohorte
Enregistrement W1776252433

Questions in the Online Learning Environment

2007· article· en· W1776252433 sur OpenAlexaffvenue
Judith Blanchette

Notice bibliographique

RevueInternational journal of e-learning & distance education · 2007
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Critical Thinking Development
Établissements canadiensRoyal Roads University
Organismes subventionnairesnon disponible
Mots-clésPsychologyCognitionFace (sociological concept)HumanitiesLinguisticsPhilosophy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This article explores the syntactic structure, cognitive functions, pedagogical features, and communicative characteristics of questions asked by participants in an asynchronous learning environment. Participants used fewer syntactic forms than observed in face-to-face postsecondary classrooms, but based on the Model of Productive Thinking (Barnes, 1983; Gallagher & Aschner, 1963), they exhibited higher levels of cognition. Questions at higher cognitive levels were found to stimulate more interaction than did those at lower levels. Compared with face-to-face interaction, students asked more rhetorical questions, using them to persuade, think aloud, and indirectly challenge other participants. Cet article explore la structure syntaxique, les fonctions cognitives, les particularités pédagogiques et les caractéristiques communicatives des questions posées par les participants dans un environnement d’apprentissage asynchrone. Les participants ont utilisé moins de formes syntaxiques qu’observé dans des classes de cours de niveau post-secondaire, mais, basé sur le modèle de pensée productive (Barnes, 1983; Gallagher et Aschner, 1963), ils ont montré des degrés plus élevés de cognition. Les questions aux degrés cognitifs plus élevés se sont avérées stimuler plus d’interaction que celles aux degrés moindres. Comparativement à l’interaction en face à face, les étudiants ont posé plus de questions rhétoriques, les utilisant pour persuader, penser tout haut et, indirectement, mettre au défi les autres participants.

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)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,017
Tête enseignante GPT0,364
Écart entre enseignants0,346 · 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'étudeQualitatif
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

Citations54
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational journal of e-learning & distance educationMême sujetEducation and Critical Thinking DevelopmentTravaux en français237 207