A Team of Instructors’ Use of Social Presence, Teaching Presence, and Attitudinal Dissonance Strategies: An Animal Behaviour and Welfare MOOC
Notice bibliographique
Résumé
<p class="3">This case study examined a team of instructors’ use of social presence, teaching presence, and attitudinal dissonance in a Massive Online Open Course (MOOC) on Animal Behaviour and Welfare (ABW), designed to facilitate attitudinal learning. The study reviewed a team of six instructors’ use of social presence and teaching presence by applying the Community of Inquiry (CoI) framework, as well as the establishment of attitudinal dissonance within the announcements and discussion forums. The instructors entered the MOOC as a collaborative facilitation team and created a highly balanced manner of communication and positive atmosphere within the course. The instructional design focused on creating an informative and knowledgeable network of global learners that would agree that animal welfare was a critical social issue in today’s society. These course goals and facilitation intentions were demonstrated through a high number of social and teaching presence indicators, with a significant use of all social presence, teaching presence, and attitudinal dissonance categories in evidence. The results present a review of an instructional team’s facilitation that focused on shaping attitudes about the topic of animal behaviour and welfare within a MOOC. We conclude by providing insights into instructional design and facilitation of MOOCs in general or attitudinal learning specifically.</p>
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 | 0,005 | 0,004 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».