MétaCan
Menu
Retour à la cohorte
Enregistrement W3108678601 · doi:10.4018/ijvple.2021010101

A Conceptual Framework and Evaluation Tool for Mobile Learning Experiences

2020· article· en· W3108678601 sur OpenAlexaffabout
Hugh Kellam

Notice bibliographique

RevueInternational Journal of Virtual and Personal Learning Environments · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésUsabilityConceptual frameworkContext (archaeology)Computer scienceInstructional designKnowledge managementConceptual modelEducational technologyMultimediaHuman–computer interactionPsychologyMathematics education

Résumé

récupéré en direct d'OpenAlex

There is an identified need in the research literature for the design, implementation, and evaluation of a conceptual framework for creating contextual, interactive mobile learning. This article details how the conceptual framework was implemented and tested in an online learning course for physicians, nurses, and healthcare professionals at medical organizations across Ontario. The conceptual framework and evaluation instruments were revised based on identified best practices and feedback from study participants. This provided a practical, evidence-based tool for informing the effective design of mobile learning. Results indicated that the design of the framework to include context-specific content, guided participation delivery, flexible and intuitive usability, formal online and informal mobile structure, and access to communities of practice all resulted in practical, applicable learning outcomes and a high degree of learner satisfaction.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,599
Score d'incertitude au seuil0,429

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,023
Tête enseignante GPT0,299
Écart entre enseignants0,276 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations4
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Virtual and Personal Learning EnvironmentsMême sujetMobile Learning in EducationTravaux en français237 207