MétaCan
Menu
Retour à la cohorte
Enregistrement W2289152028 · doi:10.19173/irrodl.v17i2.2284

Preservice Teachers’ Perception and Use of Personal Learning Environments (PLEs)

2016· article· en· W2289152028 sur OpenAlexvenueno aff
Sami Şahin, Çelebı Uluyol

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocializationInformal learningThe InternetPerceptionComputer scienceScale (ratio)PsychologyWorld Wide WebKnowledge managementMultimediaPedagogySocial psychology

Résumé

récupéré en direct d'OpenAlex

Personal learning environments (PLEs) are Web 2.0 tools and services by which users’ access, construct, manage, and share educational contents in order to meet their learning needs. These environments enable users to manage their learning according to their own personal preferences. They further promote socialization and collaboration with their broad user networks and interaction facilities. In this study, with a case sample from a public university in Turkey, student teachers’ PLE use and their perceptions regarding these environments are examined. For data collection, the PLE Perception Scale and PLE Use Scale developed by the researchers were used. It was observed that all participants used various PLEs and found them easy and practical on the whole. However, it was found that this utilization mostly had the aim of access and sharing knowledge in learning, while use of constructing and managing it remained limited. Emailing, social networking, file sharing, video sharing, Internet searching, and social encyclopedias were found most commonly used PLEs. Our findings also show that gender and grade level do not have an effect on the perception and use of PLEs.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,248
Score d'incertitude au seuil0,622

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,107
Tête enseignante GPT0,441
Écart entre enseignants0,334 · 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 tête enseignante, 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

Citations39
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetImpact of Technology on AdolescentsTravaux en français237 207