Building Creative Critical Online Learning Communities through Digital Moments
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.
Notice bibliographique
Résumé
This paper is a mixed methods case study measuring student perceptions of a pedagogical strategy called “Digital Moments” (DM) for developing creative interactive online learning communities. The theoretical framework within which this resides is the Fully Online Learning Community (FOLC) model (vanOostveen et al, 2016), based on a foundation of problem‑based learning, cognitive and social presence, and learner‑centred pedagogies.The article reviews a specific teaching strategy for increasing social presence and student engagement through the use of creative and artistic expression in problem‑based learning spaces. Using “Digital Moments” as a way to build inclusion in two synchronous graduate online courses, the author describes how the teaching strategy increased student participation, developed student ownership of learning, and encouraged collaborative processes between participants. This teaching strategy makes a significant contribution to digital pedagogy. Although the growth of online learning is quite substantial, our ability to develop online communities that inspire critical and creative thinking has not kept pace. Traditional teacher‑centred learning environments do not meet the needs of students in today’s Fourth Industrial Revolution. As such, the FOLC model provides an online learning community model that removes traditional teacher‑learner roles, allows the instructor to act as a facilitator and challenges learners to co‑design and co‑create the learning process. Within this digital space, collaborative disruption is encouraged, and, in fact necessary for the types of critical and creative thinking to emerge that are central to the FOLC model. Digital Moments, is one example of a pedagogical strategy that enables learners to co‑create and own the digital learning space, within a fully online learning community.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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