Mobile Usability in Educational Contexts: What have we learnt?
Notice bibliographique
Résumé
The successful development of mobile learning is dependent on human factors in the use of new mobile and wireless technologies. The majority of mobile learning activity continues to take place on devices that were not designed with educational applications in mind, and usability issues are often reported. The paper reflects on progress in approaches to usability and on recent developments, with particular reference to usability findings reported in studies of mobile learning. The requirements of education are considered as well as the needs of students participating in distance education; discipline-specific perspectives and accessibility issues are also addressed. Usability findings from empirical studies of mobile learning published in the literature are drawn together in the paper, along with an account of issues that emerged in two mobile learning projects based at The Open University, UK, in 2001 and 2005. The main conclusions are: that usability issues are often reported in cases where PDAs have been used; that the future is in scenario-based design which should also take into account the evolution of uses over time and the unpredictability of how devices might be used; and that usability issues should be tracked over a longer period, from initial use through to a state of relative experience with the technology.
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 | 0,039 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,019 |
| Communication savante | 0,018 | 0,033 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,009 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».