MétaCan
Menu
Retour à la cohorte
Enregistrement W2374524513 · doi:10.1108/lht-02-2016-0015

Use of smartphones by art and design students for accessing library services and learning

2016· article· en· W2374524513 sur OpenAlexaff
Patrick Lo, Allan Cho, Man-hon Leung, Dickson K.W. Chiu, Eddie Ko, Kevin K.W. Ho

Notice bibliographique

RevueLibrary Hi Tech · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésComputer scienceOriginalityMainstreamThe InternetMultimediaMobile deviceWorld Wide WebPreferencePsychology

Résumé

récupéré en direct d'OpenAlex

Purpose – The purpose of this paper is to explore art and design students’ use of smartphones for accessing library services and learning at the Hong Kong Design Institute (HKDI). Design/methodology/approach – A questionnaire survey involving 51 HKDI students was conducted to examine the students’ utilization of apps and the internet on mobile devices to find information for the purpose of academic learning, social networking, and collaborative learning. Findings – Survey results showed that while the HKDI students were all smartphone owners and active users of such mobile communication devices, only a minority of them “frequently” use these mobile devices for formal learning purposes. They demonstrated a keen preference to use search engines, social communications, and other diverse use of smartphones. Except for research and image/audio-visual needs, the rest of their needs and usage behaviour is similar to mainstream university students. Practical implications – The results suggest opportunities for the libraries to develop services and facilities that could better fulfil students’ information needs, and to improve the network coverage outside the library. Originality/value – This is probably the first study of its kind to explore art and design students’ use of smartphones for learning needs. In particular, the recent capability of smartphones and mobile internet speed are comparable with desktops, it is vital to re-examine the much changed environment and user needs.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,024
Tête enseignante GPT0,259
Écart entre enseignants0,236 · 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

Citations40
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLibrary Hi TechMême sujetMobile Learning in EducationTravaux en français237 207