MétaCan
Menu
Retour à la cohorte
Enregistrement W3200207520 · doi:10.17533/udea.ikala.v26n3a04

Spanish Adult Students’ Intention- Behaviour Toward MOOCs During the COVID-19 Pandemic

2021· article· en· W3200207520 sur OpenAlexaff
María Ángeles Escobar Álvarez, Julie Ciancio

Notice bibliographique

RevueÍkala Revista de Lenguaje y Cultura · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensWycliffe College
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)PandemicDistance educationPsychologyPerceptionTest (biology)Medical education2019-20 coronavirus outbreakFace (sociological concept)Higher educationMassive open online courseMathematics educationPedagogyPolitical scienceSociologyMedicine

Résumé

récupéré en direct d'OpenAlex

Many Spanish students need to learn English beyond the age of 25 to be able to find a job or be further promoted. Unfortunately, those who attempt to pass a university entry-qualifications test often lack the required academic level. To help them achieve this goal, they are usually provided with learning materials and supportive digital resources. During the covid-19 pandemic, the need for online resources increased. This is why the National Distance Education University offered a massive open online course (mooc) on elementary English. The main goal of this contrastive qualitative study was twofold: First, it attempted to explore adult students’ intention-behaviour while taking the course. Secondly it delved into students’ satisfaction with this type of courses during two different years: 2017 and 2020 when the pandemic had a clear impact on distance education. For this purpose, the study used a comprehensive post-questionnaire given at the end of both courses. The data revealed a few significant differences regarding students’ satisfaction, intentions, perceptions, and interests in contexts where face-to-face-learning was not an option. These findings suggest that mooc should be considered as an alternative way to build specific content in situations of crisis.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,286
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,321
Écart entre enseignants0,292 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueÍkala Revista de Lenguaje y CulturaMême sujetOnline Learning and AnalyticsTravaux en français237 207