MétaCan
Menu
Retour à la cohorte
Enregistrement W2036144565 · doi:10.1080/01587919.2011.565499

The making of an exemplary online educator

2011· article· en· W2036144565 sur OpenAlexafffund
Margaret Edwards, Beth Perry, Katherine J. Janzen

Notice bibliographique

RevueDistance Education · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensAthabasca University
Organismes subventionnairesMount Royal UniversityAthabasca UniversityAlberta Health Services
Mots-clésDistance educationPedagogyHigher educationMathematics educationSociologyPsychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

What does it take to be an effective online educator? Can those who teach successfully face‐to‐face be equally effective online? This article details a descriptive qualitative research study of students’ perspectives regarding qualities of exceptional online educators. Participants described interactions they had with online teachers they considered exemplary. Thematic analysis reveals qualities of exemplary online teachers. The article compares findings on excellence in online teaching with findings from an earlier study focused on exemplary face‐to‐face educators. Similarities and differences between exemplary online teachers and exemplary face‐to‐face teachers are explored. Findings reveal exemplary online and face‐to‐face teachers challenge and affirm learners, establish clear classroom presence, and are persons of influence. The findings inform online teachers. Questions for further research are suggested.

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)0,007
score de la tête « metaresearch » (Gemma)0,015
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0060,009
Communication savante0,0080,008
Science ouverte0,0010,008
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,039
Tête enseignante GPT0,372
Écart entre enseignants0,332 · 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

Citations109
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDistance EducationMême sujetOnline and Blended LearningTravaux en français237 207