MétaCan
Menu
Retour à la cohorte
Enregistrement W2980375929 · doi:10.19173/irrodl.v20i5.4539

An Exploration Into the Importance of a Sense of Belonging for Online Learners

2020· article· en· W2980375929 sur OpenAlexvenueno aff
Susi Peacock, John Cowan, Lindesay Irvine, Jane Williams

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSense of communityPsychologyOnline participationOnline learningAttritionEducational technologyComputer-mediated communicationPedagogySynchronous learningMathematics educationSocial psychologyCooperative learningTeaching methodWorld Wide WebThe InternetComputer science

Résumé

récupéré en direct d'OpenAlex

Fostering a sense of belonging and a personal connection is seen as fundamental by many educational researchers, regardless of the learning environment. Online learning certainly provides flexible learning opportunities but comes with notable issues. For online learners, nurturing a sense of belonging may present a way of improving their experiences and attainment, as well as reducing attrition rates. Research specifically exploring sense of belonging and online learning is limited. This article addresses that gap and reports on a small-scale exploratory study using qualitative data-collection and analysis methods to investigate the importance, or not, of sense of belonging for postgraduates’ online education by exploring the origins and nature of their lived experience of online learning and their sense of belonging therein. Our initial findings emphasise its importance for them as online learners and have identified three significant themes: interaction/engagement, the culture of the learning, and support. These early findings highlight the importance of these three themes in promoting a sense of belonging and in ensuring that there are opportunities for meaningful group and peer interactions; they will be of interest to all engaged in online education.

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)0,008
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,008
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,005
Communication savante0,0060,008
Science ouverte0,0010,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,160
Tête enseignante GPT0,505
Écart entre enseignants0,345 · 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

Citations155
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetOnline and Blended LearningTravaux en français237 207