MétaCan
Menu
Retour à la cohorte
Enregistrement W2064789896 · doi:10.5539/ass.v8n16p45

Creation of a Knowledge Society via the Use of Mobile Blog: A Model of Integrated Meaningful Hybrid E-training

2012· article· en· W2064789896 sur OpenAlexvenueno aff
Rosseni Din, Helmi Norman, M. Faisal Kamarulzaman, Parilah M. Shah, Aidah Abdul Karim, Nor Syazwani Mat Salleh, Mohamad Shanudin Zakaria, Khairul Anwar Mastor

Notice bibliographique

RevueAsian Social Science · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConfirmatory factor analysisKnowledge managementLearning stylesComputer scienceLifelong learningTraining (meteorology)Information and Communications TechnologyTacit knowledgePsychologyStructural equation modelingMathematics educationPedagogyWorld Wide WebMachine learning

Résumé

récupéré en direct d'OpenAlex

Mobile blog or “moblog” provides a coherent purpose for strategic educational change through lifelong education and the creation of a knowledge society. Many studies have been conducted on using conventional blogs in teaching and learning yet only few have focused on moblogs. Moblogs allow trainers to empower themselves through the acquisition of both explicit and tacit knowledge. Thus, this study aims at designing, developing and implementing moblogs as a platform for a new hybrid e-training approach, which was tested to generate a two-stage model for meaningful hybrid e-training. The data were collected from 213 Information Communication Technology (ICT) trainees which were subsequently tested using confirmatory factor analysis with AMOS 7.0 to obtain the best-fit measurement model for an integrated meaningful hybrid e-training model using moblogs. The results revealed that: (i) hybrid e-training influenced the achievement of meaningful e-training; (ii) learning styles influenced the acceptance of hybrid e-training; and (iii) learning styles preferences influenced the achievement of meaningful e-training.

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 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 candidatesÉtudes des sciences et des technologies
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 enseignants0,256
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,006
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,061
Tête enseignante GPT0,342
Écart entre enseignants0,281 · 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 tête enseignante, pas un consensus.

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

Citations9
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetImpact of Technology on AdolescentsTravaux en français237 207