MétaCan
Menu
Retour à la cohorte
Enregistrement W3090832085 · doi:10.14742/ajet.5650

The relationship between mobile learning and self-regulated learning: A systematic review

2020· review· en· W3090832085 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAustralasian Journal of Educational Technology · 2020
Typereview
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésSelf-regulated learningEducational technologyCurriculumComputer scienceActive learning (machine learning)Mathematics educationPsychologyPedagogyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

A systematic review of 38 primary research peer-reviewed articles, drawn from six databases and spanning from January 2007 to January 2019, was conducted to determine the principle information that they collectively offered on the relationship between mobile learning (m-learning) and self-regulated learning (SRL). In answering the research questions posed, a synthesis of the following 12 key elements was undertaken: (1) research aims, (2) research methodologies, (3) outcomes, (4) education discipline areas, (5) educational levels, (6) educational contexts, (7) geographic location, (8) time frame, (9) type of device, (10) m-learning and SRL definitions, (11) theoretical models, and (12) m-learning, self-regulation (SR), and SRL variable measurement instruments. The frequency of studies on the relationship between m-learning and SRL increased in more recent years, as did the types of devices used in these studies. More than three quarters of the studies concluded that m-learning enhanced SRL, SRL enhanced m-learning, or m-learning and SRL enhanced other learning factors (e.g., health, curriculum development). Moreover, the relationship between m-learning and SRL was dynamic and complex. A primary recommendation was to intentionally integrate m-learning and SRL into formal curricula guided by informed, technologically adept educators who provided appropriate, ever-decreasing support and scaffolding as learners became more self-determined. Implications for practice or policy: M-learning research and practice should be founded upon relevant theory and validated definitions of m-learning that consider ever-advancing technologies and related pedagogies that include participatory activities. M-learning designers should ensure that mobile technologies are used intentionally and selectively, guided by clearly defined learning objectives, and integrated into the curriculum by technologically adept educators who provide appropriate, ever-decreasing support and scaffolding as learners become more self-determined. When designing m-learning, educators should consider digital safety and privacy issues.

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche
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 enseignants0,776
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,003
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 Opus0,030
Tête enseignante GPT0,345
Écart entre enseignants0,316 · 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