MétaCan
Menu
Retour à la cohorte
Enregistrement W2127296488 · doi:10.2304/elea.2014.11.4.419

The Intersection of Social Presence and Impression Management in Online Learning Environments

2014· article· en· W2127296488 sur OpenAlexaff
Eveline Houtman, Alexandra Makos, Heather-Lynne Meacock

Notice bibliographique

RevueE-Learning and Digital Media · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensThe Scarborough HospitalRobarts Clinical TrialsUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésImpression managementInformal learningSocial learningIntersection (aeronautics)Situated learningPoint (geometry)ImpressionImpression formationSituatedPsychologyComputer scienceSocial psychologyKnowledge managementWorld Wide WebPerceptionPedagogyArtificial intelligenceSocial perception

Résumé

récupéré en direct d'OpenAlex

In our day-to-day routines, we are being asked to extend ourselves into virtual environments that capture mere glimpses of who we are and what we think. As education focuses on the development of online learning environments, we are once again asked to recreate ourselves for another environment. This article explores aspects of social presence and impression management within formal and informal online learning environments. It will examine the point of intersection between the theories of social presence and impression management as they relate to social network and learning sites and discursive practices. Social presence is understood as a key component of the constructivist and situated learning that can take place in online learning environments. An individual's impression management, which might be understood as their ability to send/read, recognize and be recognized through those cues they choose to present, becomes intertwined with their learning experience. At what point do these two theories intersect, and what implications does this have for the design of online learning environments?

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,007
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,008
Communication savante0,0070,004
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,269
Écart entre enseignants0,261 · 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 source (Gemma direct ou Codex distillé), 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

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueE-Learning and Digital MediaMême sujetImpact of Technology on AdolescentsTravaux en français237 207