MétaCan
Menu
Retour à la cohorte
Enregistrement W2595107046 · doi:10.19173/irrodl.v18i6.3182

Time Shifting and Agile Time Boxes in Course Design

2017· article· en· W2595107046 sur OpenAlexvenueno aff
Anders Norberg, Birgit Stöckel, Marta‐Lena Antti

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgile software developmentInformation and Communications TechnologyAsynchronous communicationEducational technologyComputer scienceDistance educationProcess (computing)Class (philosophy)The InternetBlended learningInstructional designComputer-mediated communicationMultimediaMathematics educationKnowledge managementPsychologyWorld Wide WebSoftware engineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

The ongoing integration of Information and Communication Technologies (ICTs) into higher education courses is often called blended learning although it often relates to course design. It is usually understood in place categories, as a combination of traditional classroom-based sessions and Internet-enabled distance or online learning practices. One alternative understanding of ICT integration can be constructed of time categories, with an understanding of ICTs more as process- and project-related. Two such design frameworks are conceptually presented and then used together in a small case study in a pilot experiment in physics at the preparatory level for entering engineering programs at a university in Northern Sweden. These are a) time shift mechanisms between synchronous and asynchronous learning modes in the course process and b) agile frameworks mechanisms adapted from work process developments in the software industry. Both are here used to address common procrastination problems in flexible education. Data were collected in student interviews and analysed with qualitative content analysis. Results show student satisfaction with the work rhythm and that a feeling of presence, which enables easy interaction, can be facilitated by synchronicity.

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)0,022
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,118

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,035
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,006
Communication savante0,0050,004
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,202
Tête enseignante GPT0,550
Écart entre enseignants0,349 · 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'étudeSans objet
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

Citations14
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207