Are online learners frustrated with collaborative learning experiences?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<p>Online education increasingly puts emphasis on collaborative learning methods. Despite the pedagogical advantages of collaborative learning, online learners can perceive collaborative learning activities as frustrating experiences. The purpose of this study was to characterize the feelings of frustration as a negative emotion among online learners engaged in online computer-supported collaborative learning (CSCL) experiences and, moreover, to identify the sources to which the learners attribute their frustration. With this aim, a questionnaire was designed to obtain data from a sample of online learners participating in the Master of ICT and Education program of the Universitat Oberta de Catalunya (UOC). Results revealed that frustration is a common feeling among students involved in online collaborative learning experiences. The perception of an asymmetric collaboration among the teammates was identified by the students as the most important source of frustration. Online learners also identified difficulties related to group organization, the lack of shared goals among the team members, the imbalance in the level of commitment and quality of the individual contributions, the excess time spent on the online CSCL tasks, the imbalance between the individual and collective grades, and difficulties in communication, among other factors leading to frustration. The analysis of the students’ sources of frustration in online CSCL is followed by a list of recommendations to the distance education stakeholders, aiming to reduce students’ frustration and improve the quality of their experiences in online CSCL contexts such as the UOC.</p>
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.
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 | 0,013 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle