This is why we do it: Using a Design Based Approach to Optimize Student Learning in an Online Discussion Based Course
Notice bibliographique
Résumé
Resume: La necessite d'offrir de bons cours en ligne s'est intensifiee en raison de la pandemie de COVID-19, avec la montee en fleche de l'education en ligne. L'enseignement en ligne est une experience differente de celle de l'enseignement en face a face. Dans un cours en ligne, une planification prealable et une conception de cours minutieuses sont essentielles a la reussite des etudiants et un cours en ligne bien concu est essentiel pour soutenir les experiences d'apprentissage des etudiants. Une facon de concevoir un cours efficace et entierement en ligne est de penser au cycle d'apprentissage des eleves (Lawson, 2001;Kolb, 1984;Carver et al., 2007;Murphrey, 2010;Bassanjav, 2013) bien avant le debut du cours, ce qui donne le temps aux instructeurs d'interagir avec leurs etudiants pendant le cours . Pour mieux comprendre comment la conception des cours et l'activite d'un instructeur affectent le cycle d'apprentissage des etudiants, nous avons explore les cycles d'apprentissage des etudiants dans trois instances d'un cours en ligne de niveau superieur offert dans un etablissement d'enseignement de premier plan au Canada. Dans cet article, l'utilisation par un instructeur d'un cycle d'apprentissage a travers les trois cours est etudiee, en mappant l'activite de l'instructeur sur l'activite des eleves. En utilisant les donnees du LMS PeppeR, nous nous sommes concentres sur la cartographie du cycle d'apprentissage prevu a travers les trois offres. Les resultats ont revele que les etudiants trouvaient leur rythme en ligne qui etait relativement constant tout au long du cours, jusqu'a la semaine 7 oh ils se sont concentres davantage sur le projet final. De plus, nous avons constate que la mise en place d'un cycle d'apprentissage bien concu donne a l'instructeur un cadre clair dans lequel il lui permet d'individualiser davantage l'instruction pendant le cours. Cette etude de cas sera utilisee comme base pour mener une analyse plus large des cours en ligne qui utilisent les cycles d'apprentissage comme modele pour faciliter les presences cognitives, sociales et pedagogiques.Alternate abstract:The need to deliver good online courses has intensified due to the COVID-19 pandemic, with the surge in online education. Teaching online is a different experience from that of teaching in a face-to-face setting. In an online course, careful prior planning and course design is crucial to student success and a well-designed online course is essential to support students' learning experiences. One way to design an effective, fully online course is to think about the student learning cycle (Lawson, 2001;Kolb, 1984;Carver et al., 2007;Murphrey, 2010;Bassanjav, 2013) well before the course begins, which gives instructors time during the course to interact with their students. To better understand how course design and an instructor's activity affects the students' learning cycle, we explored students' learning cycles across three instances of a graduate-level online course offered at a leading education institution in Canada. In this paper, one instructor's use of a learning cycle across the three courses is studied, by mapping the instructor's activity to student activity. Using data from the LMS PeppeR1, we focused on mapping the planned learning cycle across the three offerings. The results revealed that students found their rhythm online and it was was relatively consistent throughout the course, until week 7 when they became more focused on the final project. Also, we found that having a well1 designed learning cycle in place gives the instructor a clear framework in which to further individuate the instruction during the course. This case study will be used as the foundation for conducting a larger analysis of online courses that employ learning cycles as a model for facilitating cognitive, social and teaching presences.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».