MétaCan
Menu
Retour à la cohorte
Enregistrement W2480419567 · doi:10.4018/978-1-4666-8147-7.ch008

Saving Face in Online Learning

2015· book-chapter· en· W2480419567 sur OpenAlexaff
Lena Paulo Kushnir, Kenneth Berry

Notice bibliographique

RevueAdvances in web technologies and engineering book series · 2015
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensOntario College of Art and Design
Organismes subventionnairesnon disponible
Mots-clésFeelingPsychologyOnline learningStudent engagementAffect (linguistics)Mathematics educationOnline courseHigher educationCognitionPeer learningMedical educationPedagogyComputer scienceSocial psychologyMultimedia

Résumé

récupéré en direct d'OpenAlex

Advancements in technology and innovations in education allow universities to entertain new ways of teaching and learning. This chapter presents quasi-experimental data of how various online tools and teaching strategies impact student learning outcomes, satisfaction, and engagement. Specific variables impacting social presence, affect, cognition, etc., were tested to determine their impact on different student outcomes such as grades, feelings of isolation, student engagement, and perceived authenticity of course materials in a second-year Introductory Psychology course. Findings suggest that, despite the literature, only some factors had a significant impact on student outcomes and that while some course activities transferred well online, others did not; peer activities and participation in some course components particularly were hindered online. Considered here are students' experiences with online learning, including hybrid and inverted courses, and teaching strategies that help meet challenges in different higher-education learning contexts.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,979
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,013
Tête enseignante GPT0,269
Écart entre enseignants0,256 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in web technologies and engineering book seriesMême sujetOnline and Blended LearningTravaux en français237 207