Student Actions and Community in Online Courses: The Roles Played By Course Length and Facilitation Method
Notice bibliographique
Résumé
Fostering a strong sense of community among students within online courses is essential to supporting their learning experience. However, there is little consensus about how different facilitation methods influence students’ sense of community or behaviours. This lack of understanding means instructors do not have the information they need to select an appropriate facilitation method when teaching online. This challenge is further complicated by a poor sense of how community building is influenced by the length of an online course. To better understand the relationship between these factors, we explored students’ sense of community across four graduate-level online courses. Two of these courses employed an instructor-led form of facilitation and two employed a peer-led form of facilitation. For each facilitation method, one course lasted an entire term (12 weeks) and the other lasted half a term (6 weeks). This two-by-two between-subjects design enabled the study of both variables and possible interaction effects. The findings revealed students in instructor-facilitated courses experienced a stronger sense of community. Longer courses were also associated with a stronger sense of community, although the relationship was weaker than that of facilitation. No interaction effects were detected between facilitation method and course length. Follow-up analyses examined the relationship between facilitation style, course length, and a set of twelve student behaviors (e.g., note writing, note reading, and replying). The results revealed that both facilitation style and course length were associated with differences in the length of students’ notes, the grade level of their text, and the frequency of their replies. Collectively, these findings offer evidence that both facilitation style and course length are related to students’ sense of community and the behaviors they exhibit online.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».