Knowledge Building in Online Mode: Insights and Reflections
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
It seems certain that blended learning will be on the rise in higher education, with in-person meetings increasingly precious time, and online synchronous and asynchronous sessions used to complement them. This paper examines Knowledge Building in two graduate courses conducted during the COVID-19 pandemic. There were no in-person sessions; rather, synchronous Zoom sessions were combined with asynchronous work in a knowledge building environment–Knowledge Forum. Knowledge Forum is designed to make transparent and accessible means by which deep understanding and sustained creative work proceed. Accordingly, for example, rise-above notes and view rearrangement support synthesis and explanatory coherence, epistemic markers support knowledge-advancing discourse, and analytics support self-and group-monitoring of progress as work proceeds. In this report, we focus on these aspects of Knowledge Building, using a subset of analytics to enhance understanding of key concepts and design of principles-based practices to advance education for knowledge creation. Overall, we aimed to have students take collective responsibility for advancing community knowledge, rather than focus exclusively on individual achievement. As we reflect on our experiences and challenges, we attempt to answer the following questions: Do courses that introduce Knowledge Building in higher education need an in-person or synchronous component? In what ways can we leverage in-class time and Knowledge Forum work to engage students in more advanced knowledge creation? We conclude that synchronous and asynchronous Knowledge Building can be combined in powerful new ways to provide students with more design time and deeper engagement with content and peers.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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