A Review on the Use and Perceived Effects of Mobile Blogs on Learning in Higher Educational Settings
Notice bibliographique
Résumé
Mobile technology is affecting the way we learn and teach in higher education. An interesting mobile tool for supporting learning and instruction is by using mobile blogs or “moblogs”. This review focuses on existing studies implementing moblogs for learning purposes in higher educational settings. A total of 16 studies were selected for the review. The constant-comparative method was used to analyze the studies. Results from the data analysis indicate that the findings fall into two overarching groups, which are: (i) usage of moblogs; and (ii) perceived effects of moblogs. Seven categories for moblog usage were identified, namely: (i) moblogs were used for context-sensitive learning; (ii) for collaboration in groups; (iii) as a tool for interaction and communication for learning; (iv) as personal learning diaries; (v) to facilitate learning at students’ own time and pace; (vi) as a tool for feedback on instruction; and (vii) for reflections in learning. Meanwhile, three categories were discovered for perceived effects of moblogs, which are: (i) perceived affective effects in terms of satisfaction and attitude; (ii) perceived social effects on students; and (iii) negative perception of moblog in terms of personal and technical factors. These categories are discussed as factors that could promote the use of moblogs for learning in higher education. Directions for future research are also discussed according to these categories as a basis for future work on moblogs for learning.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».