MétaCan
Menu
Retour à la cohorte
Enregistrement W2136379367 · doi:10.3968/j.css.1923669720070305.019

Online Learning Community Building: a Case Study in China

2010· article· en· W2136379367 sur OpenAlexvenueno aff
Xiao-qing You, Hong-xin Zhang

Notice bibliographique

RevueCanadian social science · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueDigital Communication and Language
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)SociologyGRASPOnline learningOnline communityMetaphorPsychologyComputer scienceWorld Wide WebLinguisticsGeography

Résumé

récupéré en direct d'OpenAlex

Much attention has been paid to online community building in recent years due to its much acclaimed potential of enhancing knowledge construction in the Information Age. However, there is a lack of empirical studies on the process of how online learning community influence knowledge construction in particular and enhance the quality of learning in general. This paper is devoted to a case study of a popular language learning community in China (www.HJenglish.com) by drawing upon the metaphor online community is a miniature society, and thus an informal learning model is presented. In the light of the SOCIETY metaphor, virtual space and real social context are converged to facilitate the understanding the complex process of online learning. A text-based analysis of observable online activities and discourse was performed and a follow-up online questionnaire was performed to further explore how online learners conduct their voluntary learning activities and in the meantime shape the cultural environment which in turn facilitates meaningful learning. This paper concludes that to fully grasp the learning process in an online community, three aspects, namely social presence, affective supports and cognitive development, should be taken into consideration. Key words: online learning community, social presence, constructionism, CALL Resume: L’attention pretee a la construction de la communaute d’apprentissage sur ligne dans les dernieres annees est due a son potentiel beaucoup proclame de renforcer la construction du savoir a l’âge d’information. Cependant, il y a lacune dans les recherches empiriques sur le fait que comment la communaute d’apprentissage sur ligne influence la construction du savoir et ameliore en general la qualite d’apprentissage. L’article present entreprend une etude de cas d’une communaute d’apprentissage de langue populaire en Chine (www.HJenglish.com), en utilisant la metaphore « La communaute sur ligne est une societe en miniature », et presente ainsi un modele d’apprentissage informel. A la lumiere de la metaphore de « societe », l’espace virtuel et le contexte social reel conjurent a faciliter la comprehension du processus complexe de l’apprentissage sur ligne. Une analyse, basee sur le texte, des activites et discours observables sur ligne et une enquete suivante sur ligne sont effectuees pour explorer profondement comment les apprenants sur ligne conduisent leurs activites d’apprentissage volontaires et, en meme temps, faconner l’environnement culturel qui a son tour facilite l’apprentissage. L’auteur en arrive a conclure que, pour comprendre pleinement le processus d’apprentissage dans une communaute sur ligne, trois aspects, a savoir la presence sociale, le support affectif et le developpement cognitif, doivent etre pris en consideration. Mots-Cles: communaute d’apprentissage sur ligne, presence sociale, constructuralisme, CALL

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,097
Score d'incertitude au seuil0,193

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0110,003
Communication savante0,0020,002
Science ouverte0,0020,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,027
Tête enseignante GPT0,317
Écart entre enseignants0,290 · 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'étudeQualitatif
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

Citations4
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian social scienceMême sujetDigital Communication and LanguageTravaux en français237 207