<i>What really makes students like a web site? What are the implications for designing web-based language learning sites?</i>
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.
Notice bibliographique
Résumé
Faced with reduced numbers choosing to study foreign languages (as in England and Wales), strategies to create and maintain student interest need to be explored. One such strategy is to create ‘taster’ courses in languages, for potential university applicants. The findings presented arise from exploratory research, undertaken to inform the design of a selection of web-based taster courses for less widely taught languages. 687 school students, aged 14-18, were asked to identify a web site that they liked and to state their main reason for liking it. They were invited to include recreational sites and told that their answers could help with web design for the taster courses. To explore the reasons, two focus groups were conducted and student feedback on the developing taster course site was collected. Students nominated search engines and academic sites, sites dedicated to hobbies, enthusiasms, youth culture and shopping. They liked them for their visual attributes, usability, interactivity, support for schoolwork and for their cultural and heritage associations, as well as their content and functionality. They emerged as sensitive readers of web content, visually aware and with clear views on how text should be presented. These findings informed design of the taster course site. They are broadly in line with existing design guidelines but add to our knowledge about school students’ use of the web and about designing web-based learning materials. They may also be relevant to web design at other levels, for example for undergraduates.
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 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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle