Student Perceptions of Social Presence and Attitudes toward Social Media: Results of a Cross-Sectional Study
Notice bibliographique
Résumé
Establishing and maintaining social presence in an online environment that depends on a learning management system (LMS) can be challenging. While students believe social presence to be important, LMS platforms have yet to discover a way to deliver this expectation. The growth of social media tools presents opportunities outside an LMS to foster social presence in online learning communities. The purpose of this study was to assess perceived levels of social presence in an LMS and willingness to use social media tools outside an LMS among online doctoral students. Student perceptions of social presence and willingness to use a social media tool were examined via a descriptive, cross-sectional survey design. The sample size was 138, representing a 52% response rate. Students reported high levels of social presence in the LMS, but noted important areas in which the LMS was deficient. While all students used at least one social media tool, the modes of communication with other students and instructors were primarily tradition (e-mail, LMS, phone). Despite their busy schedules, 57% of respondents reported having greater than 30 minutes available daily for social connections with other students and instructors, and 43% indicated that they were willing to use a social media tool if one was offered outside of the LMS. Given the importance that students place on social presence, the limitations of the LMS and the willingness of students to experiment with a social media tool in their learning environment, the exploration of adding such a tool is warranted.
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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 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 ».