MétaCan
Menu
Retour à la cohorte
Enregistrement W2165480763 · doi:10.14742/ajet.1336

The search for learning community in learner paced distance education: Or, 'Having your cake and eating it, too!'

2005· article· en· W2165480763 sur OpenAlexafffund
Terry Anderson, David Annand, Norine Wark

Notice bibliographique

RevueAustralasian Journal of Educational Technology · 2005
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensAthabasca University
Organismes subventionnairesAthabasca University
Mots-clésPaceDistance educationContext (archaeology)Mathematics educationComputer scienceAttention spanPsychologyHigher educationLearning community

Résumé

récupéré en direct d'OpenAlex

University distance and e-learning programs generally follow one of two models. Most dual mode institutions and some open universities follow a model of cohort learning. Students start and terminate each course at the same time, and proceed at the same pace. This model allows for occasional or regular group based activities. The second model, referred to as learner paced, is based on increased student independence. Students may start their courses at many points during the year, and complete these at their own pace, depending on the learner's circumstances and interests. It is much more challenging to integrate group based activities in this learner paced model. This study is situated in a university that supports continuous intake and learner pacing in its undergraduate programs. Athabasca University is investigating the feasibility and effectiveness of adding collaborative and cooperative learning activities to this model. The report summarises a study of learner interactions in the context of learner paced courses delivered by the University. Following a review of relevant literature, the study reports on interviews with Athabasca University faculty and external distance education experts, describes results from an online survey of undergraduate students, and documents how these findings may be operationalised at the University. An extensible model of community based learning support is proposed to utilise new social computing capabilities of the web, and to permit learner-learner interaction in a scaleable and cost effective manner, while retaining learner pacing.

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)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,006
Communication savante0,0070,009
Science ouverte0,0020,007
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,044
Tête enseignante GPT0,403
Écart entre enseignants0,360 · 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

Citations57
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAustralasian Journal of Educational TechnologyMême sujetOnline and Blended LearningTravaux en français237 207