Learning in Cyberspace: An Educational View of Virtual Community
Notice bibliographique
Résumé
Learning is the creation of knowledge through the transformation of experience and transcends the particular institutional context that society has reserved for that purpose (Cayley, 1992; Illich, 1970; Kolb, 1984). It is also important not to confuse learning exclusively with school knowledge, for knowledge comes in many forms and for different purposes (Barnes, 1988; Dewey, 1938). Using Kolb's view on learning, if we substitute a particular type of change for transformation then change becomes a condition for learning. People participate in learning settings from birth onward. They move from setting to setting such as the home, playground, school, service groups, and church, and over the years add work settings and other leisure activities. Our interests center around creating and conducting inquiry on such learning environments. This particular focus includes both formal school settings, nonschool settings (museums, science centers, public spaces, and the Internet), and the points of intersection between these environments. These interests combine work in both real and virtual, online and off-line spaces. Understanding the nexus of learning and community relies upon an analysis of each context, so as to ascertain the expectations of participants and the task demands of the environment. We accordingly recognize the diversity of virtual environments, and also the interconnections that exist between online and off-line communities. What connects communities, virtual or otherwise, are the possibilities offered for learning; it is not just "school-based" or specifically an educational institution's private preserve.
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 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 | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».