MétaCan
Menu
Retour à la cohorte
Enregistrement W3171657378 · doi:10.1615/intjinnovonlineedu.2021038748

TAKING EXPERIENTIAL LEARNING ONLINE: STUDENT PERCEPTIONS

2021· article· en· W3171657378 sur OpenAlexaffabout
Patricia Danyluk, Theodora Kapoyannis, Astrid Kendrick

Notice bibliographique

RevueInternational journal on innovations in online education · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Practises and Engagement
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPracticumBachelorPsychologyMedical educationMathematics educationPedagogyExperiential learningOnline learningTeacher educationMultimediaComputer scienceMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

This article examines the impact of an online field experience course designed for Bachelor of Education students during the COVID-19 crisis. When Alberta schools closed two days before preservice teachers' practicum was to begin, all 435 in-school placements had to be canceled. To ensure students were able to progress in their program without disruption, the authors designed a unique online course to replace the traditional in-school practicum. This mixed-methods research study explores the key findings of an online survey of preservice teachers who made the shift to an online environment. The data included examination of course documents and discussions with instructors during weekly community of practice meetings. Through the innovation of the newly created online practicum course, preservice teachers developed an enhanced appreciation for online learning. However, in the absence of kindergarten to grade 12 students, the online practicum was unable to provide some of the more practical aspects of an in-school practicum. The authors have begun to explore a gap in preservice teacher education, which they have coined digital instructional literacy.

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)0,003
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,480
Écart entre enseignants0,419 · 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'étudeQualitatif
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

Citations3
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational journal on innovations in online educationMême sujetHigher Education Practises and EngagementTravaux en français237 207