Instructors' Perceptions of Networked Learning and Analytics | Perceptions des instructeurs quant à l'apprentissage et l'analyse en réseau
Notice bibliographique
Résumé
This study seeks to understand instructors’ perceptions of social network analysis (SNA) and network visualizations as learning analytics (LA) tools for generating useful insights about student online interactions in their class. Qualitative and quantitative data were collected from three graduate courses taught at a Canadian university at the end of the academic term and came from two sources: (1) class-wide forum discussion messages, and (2) interviews with instructors regarding their perceptions of student networks and interactions. This study is unique as it focuses on instructors’ self-assessments of online student interactions and compares this with the SNA visualization. The difference between instructors’ perceptions of social network interactions and actual interactions underlines the potential that LA can provide for instructors. The results confirmed that SNA and network visualizations have the potential of making the “invisible” visible to instructors, thus enhancing their ability to engage students more effectively.Cette étude vise à comprendre les perceptions des instructeurs sur l’analyse des réseaux sociaux (ARS) et la visualisation de réseaux comme outils d’analyse de l’apprentissage (AA) produisant des perspectives utiles sur les interactions en ligne des étudiants de leur classe. Des données qualitatives et quantitatives ont été collectées dans trois cours des cycles supérieurs d’une université canadienne à la fin de la session scolaire. Ces données proviennent de deux sources : (1) les messages du forum de discussion de l’ensemble du groupe et (2) des entretiens avec les instructeurs au sujet de leurs perceptions sur les réseaux et interactions des étudiants. Cette étude est unique en ce qu’elle se concentre sur les auto-évaluations des instructeurs portant sur les interactions étudiantes en ligne, et les compare à la visualisation de l’ARS. La différence entre les perceptions qu’ont les instructeurs des interactions sur les réseaux sociaux et les interactions réelles souligne le potentiel que l’AA peut offrir aux instructeurs. Les résultats ont confirmé que l’ARS et les visualisations de réseaux ont le potentiel de rendre « l’invisible » visible pour les instructeurs, améliorant ainsi leur capacité à motiver les étudiants plus efficacement.
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 | 0,005 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».