MétaCan
Menu
Retour à la cohorte
Enregistrement W2675256766 · doi:10.5296/jse.v8i2.12898

The Potential Influence of Youtube as a Means of Disseminating the Findings of Research to Millennial-Aged Teachers

2018· article· en· W2675256766 sur OpenAlexaff
Michael BondClegg, Nancy Maynes

Notice bibliographique

RevueJournal of Studies in Education · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDigital Storytelling and Education
Établissements canadiensNipissing University
Organismes subventionnairesnon disponible
Mots-clésFeelingDisseminationPsychologyConsumption (sociology)Medical educationSocial psychologyComputer scienceSociologyMedicineSocial science

Résumé

récupéré en direct d'OpenAlex

This study sought to discover if the means by which research was presented could influence teachers’ attitudes towards research. Survey and interview methodologies were used in the study. Findings included participants’ feeling that video may not provide the details that teachers would need to put the findings of the study into practice. They also indicated that follow-up professional learning would be required after video viewing. Participants’ level of accuracy regarding the findings of written or video research reports was low, at about 50% accuracy. While the group receiving the YouTube version of the study almost exclusively stated a high likelihood to access research presented in this format again, the group who received the written version of the study was not enthusiastic towards accessing written research in the future. It was not clear whether format has a notable influence on tendencies to use research to support professional learning and practice. As our information consumption tendencies trend towards mediums that promote rapid consumption, researchers should be aware that their work might be made more effectively available to young teachers by being presented in the format of a video, such as those hosted on YouTube.

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)0,027
score de la tête « metaresearch » (Gemma)0,170
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil0,142

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,170
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,002
Communication savante0,0050,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,106
Tête enseignante GPT0,536
Écart entre enseignants0,431 · 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.

Devis d'étudeObservationnel
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Studies in EducationMême sujetDigital Storytelling and EducationTravaux en français237 207