Going Blended with a Triple-Entry Activity: Students’ Online Discussions of Assigned Readings using Marginalia
Notice bibliographique
Résumé
In this paper, we describe and investigate small group discussions of assigned readings in an online version of a “triple-entry activity” in a blended course used an annotation tool, Marginalia. We wondered if students would interact in this structured, critical, reflective reading activity as effectively online as they had when the activity was undertaken on paper in face-to-face classes. We investigated what happened, why, and if successful, and how these findings might inform the use of annotated discussions in the future. We found 30% of comments acknowledged the value of ideas expressed in a group member’s response to a reading, 30% extended those ideas, 11% connected the reading to personal experience, 9% were questions, and 6% answers. Approximately 60% of the interactions were between one group member and the author of the response; 40% involved comments that were connected to each other as well as the author’s response to the reading. Students felt using Marginalia to comment on classmates’ responses and having classmates comment on their responses facilitated their learning from assigned readings. The instructor agreed and felt the online discussions also contributed to the development of a community of learners between face-to-face classes. In addition, reading students’ responses and discussions before each class informed the instructor’s preparation for in-class activities.
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 | 0,002 |
| 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 | 0,002 | 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 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 ».