Inquiry-Based Learning with or without Facilitator Interactions.
Notice bibliographique
Résumé
This paper discusses findings of a study investigating how students, on four online courses, engaged in inquiry-based learning with and without support from a facilitator. The investigation was conducted by analysing discussions of the online courses using the community of inquiry model. The results of the study imply that students in online discussions can engage in deep and meaningful learning, even when there is no facilitator interaction. Further the findings of the analysis suggest that successful inquiries are possible without teacher or facilitator interactions, if learning environments are designed to support students to be interactive and the students have motivation, regulatory skills and a willingness to collaborate with peers. Resume Dans le cadre de cet article, nous discutons les resultats obtenus dans une etude visant a determiner comment des eleves, participant a quatre cours en ligne, se sont engages dans un processus d’apprentissage par enquete, soit avec ou sans l’aide d’un facilitateur. L’etude a ete realisee en analysant les discussions relatives aux cours en ligne au moyen du modele du Community of Inquiry (CoI). Les resultats de l’etude laissent entendre que les eleves participant aux discussions en ligne peuvent realiser des apprentissages approfondis et significatifs, meme en l’absence d’interaction avec un facilitateur. De plus, les resultats de l’analyse suggerent que des enquetes peuvent etre reussies sans intervention de la part d’un enseignant ou d’un facilitateur si, d’une part, les environnements d’apprentissage sont concus de maniere a favoriser l’interactivite des eleves et, d’autre part, les etudiants ont la motivation, les competences requises et la volonte de collaborer avec leurs pairs.
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 | 0,001 | 0,002 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».