MétaCan
Menu
Retour à la cohorte
Enregistrement W2965317349 · doi:10.19173/irrodl.v20i4.4037

A Scoping Review of Videoconferencing Systems in Higher Education

2019· review· en· W2965317349 sur OpenAlexvenueno aff
Hosam Al‐Samarraie

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2019
Typereview
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVideoconferencingDistance educationMultimediaComputer sciencePsychologyMathematics education

Résumé

récupéré en direct d'OpenAlex

Videoconferencing as a learning tool has been widely used among educators and learners in order to induce effective communication between learners and teachers or learners and their peers, especially when face-to-face means are not possible. Different types of videoconferencing platforms or systems have emerged for use in today’s higher education institutions. Previous research has focused on examining the potential of three different forms of videoconferencing systems: desktop videoconferencing (DVC), interactive videoconferencing (IVC), and Web videoconferencing (WVC). In this study, a review of the literature was conducted to increase the current knowledge regarding the use of these videoconferencing systems. A classification of the videoconferencing paradigms from the constructivism and cognitivism perspectives was provided. The summary of the results for these videoconferencing systems revealed specific learning opportunities, outcomes, and challenges for both learners and instructors. The results suggest that current policy and teaching strategies are not ready to provide an accessible and comprehensive learning experience in DVC and IVC. Relative to previously conducted studies regarding the use of videoconferencing in higher education, this study offers a broader consideration of relevant challenges that emerge when using certain videoconferencing systems in both learning and teaching situations.

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)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0130,018
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,409
Tête enseignante GPT0,572
Écart entre enseignants0,163 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations134
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetKnowledge Management and SharingTravaux en français237 207