MétaCan
Menu
Retour à la cohorte
Enregistrement W3090230960 · doi:10.21315/eimj2020.12.3.6

Social Media Usage among University Students during Exams: Distraction or Academic Support?

2020· article· en· W3090230960 sur OpenAlexaff
Camille Le Gall Le Gall, Isabelle Le Gall, Alireza Jalali

Notice bibliographique

RevueEducation in Medicine Journal · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésSocial mediaDistractionPsychologyMedical educationMathematics educationComputer scienceMedicineWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Social media are known as facilitation methods when it comes to the way students learn in university. The purpose of this study is to identify the nature of social media usage and their influence on stress levels during exams. A survey directed towards students (n = 179) was shared on social media, evaluating the use of social media during exams. About 84.8% of the participants used social media for educational purposes. The social media employed the most for educational purposes were YouTube (71.5%) and Facebook (68.2%). Generally, the use of these platforms decreased student stress, particularly Skype, which was mostly used for personal communication. This study validates that social media has a great educational potential and is used by the majority of students. Students have similar yet different needs when using technology during exams and their variability should be considered when creating educational initiatives.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,071
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,049
Tête enseignante GPT0,402
Écart entre enseignants0,352 · 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.

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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducation in Medicine JournalMême sujetImpact of Technology on AdolescentsTravaux en français237 207