DOCUMENTING STUDENT CONNECTIVITY AND USE OF DIGITAL ANNOTATION DEVICES IN VIRGINIA COMMONWEALTH UNIVERSITY CONNECTED COURSES: AN ASSESSMENT TOOLKIT FOR DIGITAL PEDAGOGIES IN HIGHER EDUCATION
Notice bibliographique
Résumé
Virginia Commonwealth University (VCU) is implementing a large scale exploration of digital pedagogies, including connected learning and open education, in an effort to promote digital fluency and integrative thinking among students. The purpose of this study was to develop a classroom assessment toolkit for faculty who wish to document student connectivity in course-related blogging and microblogging (“tweeting”) activities. Student use of digital annotation devices, including hyperlinks, embedded images, mentions, and hashtags, were studied in four university courses as potential indicators of student connectivity, defined as the ability to connect current thoughts and experience with other concepts and people across space and time. One thousand one hundred and eighty six (1186) hyperlinks and embedded images, 2708 mentions, and 135 hashtags were collected from 498 learner blog posts and 5343 tweets through mostly automated, digital workflows and analyzed through a combination of statistical, content, and network analysis. General criteria for “connected course” design, a model for connectivity as a form of learning, connectivity-based learning goals, and integrated, potentially scalable assessment practices are discussed. Content analysis led to the development of classification systems for the types, sources, and communicative impact of hyperlinked and embedded materials in blogging and tweeting contexts. Network analysis was adapted to visualize, document, and describe course-related social interactions and student use of web-based information sources. Real student data are used to describe annotation-focused assessment criteria, analytic assessment dashboards, rubrics, and approaches to real-time graphic visualization of student performance.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,006 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».