MétaCan
Menu
Retour à la cohorte
Enregistrement W3187967110 · doi:10.3390/educsci11080425

Knowledge Building in Online Mode: Insights and Reflections

2021· article· en· W3187967110 sur OpenAlexaff
Dina Soliman, Stacy Costa, Marlene Scardamalia

Notice bibliographique

RevueEducation Sciences · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésKnowledge buildingAsynchronous communicationComputer scienceOnline discussionAnalyticsKnowledge managementLeverage (statistics)Data scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

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.

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)0,011
score de la tête « metaresearch » (Gemma)0,024
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,024
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0060,010
Communication savante0,0100,012
Science ouverte0,0020,007
Intégrité de la recherche0,0030,008
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 Opus0,059
Tête enseignante GPT0,437
Écart entre enseignants0,378 · 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

Citations25
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducation SciencesMême sujetOnline Learning and AnalyticsTravaux en français237 207