Exploring the Use of #Hashtags as an Easy Entry Solution to Enhance Online Discussions
Notice bibliographique
Résumé
Abstract: Growing interest in online learning has instructors looking for new ways to engage learners in asynchronous discussions. Building on experiences with hashtag use to connect on social media platforms, the purpose of this study is to investigate the contexts of hashtag use and its associated impact on learner engagement in asynchronous online discussions. In more detail, this mixed-methods case study will answer the following questions: 1) How and in what context do students use hashtags in online discussions? and 2) In what ways, if any, does the use of hashtags promote engagement in an online community? Findings suggest that while classifying and organizing course information was a strong motivator for tagging posts, hashtags were also used to connect to others in the learning community, express opinions, and encourage knowledge building. The results from our study contribute to a better understanding of engagement with and through hashtag use. Keywords: engagement, social media, online learning, tagging Résumé: L'intérêt croissant pour l'apprentissage en ligne incite les instructeurs à rechercher de nouvelles façons d'engager les apprenants dans des discussions asynchrones. S'appuyant sur les expériences d'utilisation du hashtag pour se connecter sur les plateformes de médias sociaux, le but de cette étude est d'étudier les contextes d'utilisation du hashtag et son impact sur l'engagement des apprenants dans les discussions en ligne asynchrones. Plus en détail, cette étude de cas à méthodes mixtes répondra aux questions suivantes: (1) Comment et dans quel contexte les élèves utilisent-ils les hashtags dans les discussions en ligne? (2) De quelle manière, le cas échéant, l'utilisation de hashtags favorise-t-elle l'engagement dans une communauté en ligne? Les résultats suggèrent que si la classification et l'organisation des informations sur les cours ont été un puissant facteur de motivation pour marquer les publications, les hashtags ont également été utilisés pour se connecter à d'autres membres de la communauté d'apprentissage, exprimer des opinions et encourager le renforcement des connaissances. Les résultats de notre étude contribuent à une meilleure compréhension de l'engagement avec et via l'utilisation du hashtag. Mots-clés: engagement, médias sociaux, apprentissage en ligne, marquage
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 | 0,009 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,008 |
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 ».