Investigating Students’ Perceptions of Motivating Factors of Online Class Discussions
Notice bibliographique
Résumé
<p class="3">One of the goals of teacher education is to prepare our citizens to communicate in a variety of ways. In our present society, communication using digital media has become essential. Although online discussions are a common component of many online courses, engaging students in online discussions has been a challenge. This study queried 86 educators in a math/science teacher education graduate program to examine their perceptions on the factors that motivate them to participate in online discussions.</p><p class="3">The results revealed a pragmatic outlook on online education. In terms of intrinsic versus extrinsic motivation, the participants’ main motivation to participate in online class discussions was extrinsic (85.88%), specifically so that they could earn an acceptable participation grade. With regards to discussion grouping formats, they preferred small group discussions (81%) which could facilitate their ability to develop rapport with a small group of fellow classmates over whole class discussion (38.83%). With respect to discussion facilitation, they focused on the practical need to have the instructor to answer their questions about course assignments (67.06%) over online open discussion without a given topic (35.72%). Next, when asked about discussion question types based on Bloom’s taxonomy, their strongest preference reflected a desire for application (89.54%) questions which would facilitate their ability to use theories discussed in class in their daily work as educators. Through collaboration with twenty-first-century learners, online education can use data-driven decision making to help transform online discussion from being the least desirable component of online courses to a more relevant, instructional medium. </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 | 0,006 | 0,019 |
| 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 | 0,000 |
| Science ouverte | 0,002 | 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 ».