MétaCan
Menu
Retour à la cohorte
Enregistrement W1873279432 · doi:10.21432/t24s39

Learning Management Systems and Principles of Good Teaching: Instructor and Student Perspectives / Systèmes de gestion de l'apprentissage et principes d'un bon enseignement: Perspectives de l’enseignant et de l’étudiant

2013· article· en· W1873279432 sur OpenAlex
Alyssa Lai, Philip Savage

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
venuePublié dans une revue dont le pays d'attache est le Canada.

Notice bibliographique

RevueCanadian Journal of Learning and Technology · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésLearning ManagementSociologyPsychologyPedagogyHumanitiesMathematics educationLibrary scienceComputer sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

With the prevalence of teaching technologies, studies exploring the use of Learning Management Systems (LMS) in university courses highlight the economic and technical issues of LMS adoption. Yet, few studies explore how LMS functions as a pedagogical tool to support teaching and learning. This study examines Chickering and Gamson’s (1987) Seven Principles of Good Practice in Undergraduate Education to highlight areas in which LMS supports and/or hinders 'good' teaching and learning. Instructor and student perceptions of LMS around these seven principles are examined through in-depth interviews and focus groups, consisting of fieldwork conducted with seven leading instructors and three groups of students broadly representing all faculties at McMaster University. Preliminary findings suggest that LMS is particularly useful administratively but should not be viewed as a substitute to classroom teaching. Conversely, students are most engaged in the learning process, including on-line, when instructors translate their interests and passion in teaching through in-class environments. L’enseignement hybride dans les cours universitaires intègre des technologies d’enseignement en contextes d’apprentissage traditionnels (c’est-à-dire sans technologie), essentiellement par l'adoption d'un système de gestion de l'apprentissage (SGA). Des études antérieures sur l'utilisation des SGA ont examiné les défis économiques et techniques liés à l’adoption de SGA (West et al, 2006; Morgan, 2003). S’appuyant sur la valeur subjective que les étudiants accordent au SGA, Kruger (2012) a utilisé une méthode quantitative pour examiner le lien entre un SGA et son impact sur les processus et les performances d'apprentissage. Seule une minorité d'études examinent les SGA dans une perspective théorique, c’est-à-dire explorent spécifiquement comment les SGA fonctionnent en tant qu’outil pédagogique facilitant l'enseignement et l'apprentissage. En se fondant sur les sept principes d’une bonne pratique en enseignement de premier cycle de Chickering et de Gamson (1987), cette étude met en évidence les domaines dans lesquels un SGA favorise ou entrave le «bon» enseignement et l'apprentissage. Les impressions suscitées chez les instructeurs et les étudiants par le SGA quant à ces sept principes ont été étudiées lors d’entretiens approfondis et de discussions de groupes témoins. Cette recherche de terrain a inclus des entretiens avec sept instructeurs éminents et trois groupes d’étudiants de premier cycle, représentatifs de l’ensemble des facultés de l'Université McMaster. Les résultats préliminaires suggèrent que les SGA sont particulièrement utiles d’un point de vue administratif, mais sont perçus, tant par les étudiants que par les enseignants, comme un piètre substitut à l'enseignement en classe. Les résultats suggèrent en outre que les étudiants étaient plus engagés dans le processus d'apprentissage lorsque les instructeurs communiquaient leurs intérêts et leur passion pour l’enseignement lors des séances en classe, puis les reflétaient dans les composantes du cours en ligne.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,663
Score d'incertitude au seuil0,600

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,267
Écart entre enseignants0,258 · 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