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 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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,004
Communication savante0,0040,005
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
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 Opus0,061
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 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'étudeThéorique ou conceptuel
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