MétaCan
Menu
Retour à la cohorte
Enregistrement W3141166176

Collaborative Learning in an Online Course: A Comparison of Communication Patterns in Small and Large Group Activities

2010· article· en· W3141166176 sur OpenAlexaffvenue
Namsook Jahng, Wendy Nielsen, Eric K. H. Chan

Notice bibliographique

RevueInternational journal of e-learning & distance education · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésHumanitiesCommunication in small groupsCategorizationSociologyLibrary scienceGeographyPsychologySocial psychologyArtComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This article reports on the investigation of collaborative learning processes in an online course that examined students' communication during whole-group discussions and small-group activities. Content analysis and social network analysis methods were employed to code and categorize text messages to uncover students’ communication behaviour. The results show that individuals’ participation patterns were similar during the two different settings, but some inactive students during whole-group discussions were more active in small-groups. The social-out (sent-out messages) during whole-group discussions was a significant variable associated with cognitive contributions in whole-group as well as social and managerial contributions in small-group activities. It also identified three indexes, i.e., quantity, equality, shareness, that can be used as quantitative measures for evaluating small group collaboration. Resume Cet article rapporte une enquete sur les processus d’apprentissage cooperatif dans le cadre d’un cours dispense en ligne qui s’est penche sur la communication entre etudiants lors de discussions entre l’ensemble du groupe et lors d’activites pour groupes restreints. Des methodes d’analyse du contenu et d’analyse des reseaux sociaux ont ete employees pour codifier et categoriser les messages texte afin de decouvrir le comportement communicationnel des etudiants. Les resultats demontrent que les modeles de participation des individus etaient semblables dans les deux contextes, mais que certains etudiants inactifs lors des discussions en groupe elargi etaient plus actifs dans le cadre des groupes restreints. Le transmis social (messages envoyes) pendant les discussions en groupe elargi etait une variable significative associee aux contributions cognitives dans le groupe elargi de meme qu’aux contributions sociales et de gestion dans les activites tenues en groupes restreints. Il a aussi identifie trois index, c’est-a-dire, la quantite, l’egalite et le degre de partage, qui peuvent etre utilises en tant qu’indicateurs quantitatifs pour evaluer les collaborations en groupes restreints.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,019
Tête enseignante GPT0,385
Écart entre enseignants0,366 · 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

Citations1
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational journal of e-learning & distance educationMême sujetOnline and Blended LearningTravaux en français237 207