MétaCan
Menu
Retour à la cohorte
Enregistrement W2902684084 · doi:10.1080/1475939x.2018.1544587

Teacher facilitation support in ubiquitous learning environments

2018· article· en· W2902684084 sur OpenAlexaff
Alex Mottus, Kinshuk Kinshuk, Nian‐Shing Chen, Sabine Graf, Uthman Alturki, Ahmed Aldraiweesh

Notice bibliographique

RevueTechnology Pedagogy and Education · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensAthabasca University
Organismes subventionnairesDeanship of Scientific Research, King Saud UniversityUniversity of North Texas
Mots-clésUsabilityDashboardComputer scienceHuman–computer interactionSystem usability scaleMultimediaProcess (computing)FacilitationInterface (matter)Scale (ratio)Usability engineeringData sciencePsychology

Résumé

récupéré en direct d'OpenAlex

Teacher support for students in ubiquitous learning environments is challenging owing to physical distance and a lack of reliable real-time multimedia-rich communication. This is further complicated because the learning process is dynamic and problems need quick resolution. Given these challenges, this study proposes an architecture for a teacher facilitation support system. The system was implemented in the form of an interactive teacher dashboard. The interface also generates possible solutions to learning challenges while leaving the ultimate decision up to the teacher. The system feasibility was tested by work-through scenarios designed and validated by two experts. The system usability was evaluated using the System Usability Scale by 40 potential users. The findings revealed that the dashboard has good feasibility and usability for providing teachers relevant information about their students’ learning progress in ubiquitous learning environments. It also enabled opportunity for pedagogical intervention when needed.

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)0,000
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,789
Score d'incertitude au seuil0,285

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,011
Tête enseignante GPT0,319
Écart entre enseignants0,309 · 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'étudeAutre devis
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

Citations8
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTechnology Pedagogy and EducationMême sujetOnline Learning and AnalyticsTravaux en français237 207