MétaCan
Menu
Retour à la cohorte
Enregistrement W2790104456 · doi:10.4018/ijmbl.2018040106

Mobile Learning, Teacher Education, and the Sociomaterial Perspective

2018· article· en· W2790104456 sur OpenAlexaff
Marguerite Koole

Notice bibliographique

RevueInternational Journal of Mobile and Blended Learning · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésPerspective (graphical)SociologyPedagogyRealismFrame (networking)Social realismEpistemologyTeacher educationMathematics educationPsychologyComputer scienceAestheticsVisual artsArtPhilosophy

Résumé

récupéré en direct d'OpenAlex

This article is primarily a theoretical piece that uses a model of mobile learning, the FRAME model (Koole 2009), to explore a mobile teacher-training project that took place in Papua New Guinea: the SMS Story. The author takes a sociomaterial perspective, drawing upon Barad's agential realism and Sørensen's multiplicity perspective. As the author explores the “intra-actions” of the social, learner, and technological aspects of the FRAME model, diffraction patterns arise; in other words, spaces of social and material possibilities, constraints, and tensions come into view. New ethical questions emerge regarding whose perspectives and whose practices should come to matter in pedagogical practices. This article is intended for qualitative researchers, teachers, and teacher educators who are interested in alternative ways of thinking about the entanglement of mobile technology, humans, and materialities in educational contexts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,820
Score d'incertitude au seuil0,291

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,310
Écart entre enseignants0,302 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Mobile and Blended LearningMême sujetChild Development and Digital TechnologyTravaux en français237 207