MétaCan
Menu
Retour à la cohorte
Enregistrement W2780671203 · doi:10.1108/ijilt-10-2017-0097

Using chatbots to aid transition

2017· article· en· W2780671203 sur OpenAlexaff
Sofy Carayannopoulos

Notice bibliographique

RevueInternational Journal of Information and Learning Technology · 2017
Typearticle
Langueen
DomaineDecision Sciences
ThématiquePersonal Information Management and User Behavior
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésFeelingOriginalityWorkloadTransition (genetics)Class (philosophy)Value (mathematics)Information overloadComputer scienceKey (lock)PsychologyWorld Wide WebSocial psychologyComputer securityArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to examine how chatbots can be used to address two key struggles that students face in first year – a sense of being disconnected from the instructor, and information overload. The authors propose that chatbots can be a useful tool for helping students navigate the volumes of information that confront them as they begin attending university, while at the same time feeling somewhat personally connected with the instructor. This is achieved without increasing instructor time commitment, and perhaps reducing it in large classes. The paper reveals the results of applying this tool in a large first year class and proposes improvements for future iterations. Design/methodology/approach A tool was designed and implemented and tested against research insights. Findings Chatbots are an effective means to reduce student transition challenges. Research limitations/implications Technology which feels social and personal as well as functioning on a tool that students use will make the student feel more connected to the course and the instructor. Practical implications Tools aiding transition should be easy to use and allow customizable information access. Originality/value Chatbots are an unexplored tool. They have the benefit of addressing information overload as well as making the student feel socially connected without increasing instructor workload.

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)0,005
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,028
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,177
Tête enseignante GPT0,456
Écart entre enseignants0,279 · 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'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

Citations52
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Information and Learning TechnologyMême sujetPersonal Information Management and User BehaviorTravaux en français237 207