MétaCan
Menu
Retour à la cohorte
Enregistrement W2121473664 · doi:10.7202/039173ar

Investigating Task Understanding in Online Repositories Equipped with Topic Map Indexes: Implications for Improving Self-Regulatory Processes in Graduate Learners

2008· article· en· W2121473664 sur OpenAlexaffvenue
Vivek Venkatesh, Kamran Shaikh

Notice bibliographique

RevueRevue internationale des technologies en pédagogie universitaire · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésTask (project management)Computer scienceIndex (typography)Sample (material)CognitionGraduate studentsInformation retrievalWorld Wide WebData sciencePsychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

Theories of cognitive information retrieval can work in concert with those of educational psychology to better formalize self-regulatory processes, such as task understanding, in online learning. Results from a prior statistical exploration of 38 graduate learners using a topic map (ISO 13250) index to browse an online repository of instructor-annotated essays in order to complete an ill-structured essay task indicate improved performance and task understanding. This follow-up study analyzes the inductive content of interviews and computer-based user traces for a theoretical sample of 12 of these 38 learners, showing how the semantic nature of the topic map enabled them to pursue distinct paths to browse essays according to individual task understanding and information need.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,874
Score d'incertitude au seuil0,633

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,082
Tête enseignante GPT0,313
Écart entre enseignants0,232 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRevue internationale des technologies en pédagogie universitaireMême sujetOnline and Blended LearningTravaux en français237 207