The search for learning community in learner paced distance education: Or, 'Having your cake and eating it, too!'
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
<span>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.</span>
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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