MétaCan
Menu
Retour à la cohorte
Enregistrement W3202515008 · doi:10.1007/s10639-021-10768-w

Effects of virtual learning environments: A scoping review of literature

2021· review· en· W3202515008 sur OpenAlexaff
Laura Caprara, Cataldo Caprara

Notice bibliographique

RevueEducation and Information Technologies · 2021
Typereview
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesnon disponible
Mots-clésMental healthVirtual learning environmentPsychologyEducational technologyInformation and Communications TechnologyQuality (philosophy)Computer sciencePedagogyKnowledge managementMathematics educationWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

The purpose of this scoping review is to isolate and investigate the existing data and research that identifies if the synchronous face-to-face visual presence of a teacher in a virtual learning environment (VLE) is a significant factor in a student's ability to maintain good mental health. While the present research on this explicit interaction among VLE implementation and student mental health is limited, the material suggests a framework for strong utilization of VLEs. Overall, our research has shown that authentic, high quality VLEs are ones that have as their primary focus the communication between students and their teachers and between students and their peers. This communication is best generated through synchronous connections where there exists the ability to convey the student's immediate needs in real-time. Our research results and discussion will outline how a team approach that brings together teachers, students, administration, counsellors, mental health support staff, instructional designers, and ICT specialists is necessary to create a genuinely enriching VLE where both learning and social-emotional needs can be met. The authors present a case for further study in order to reveal the nature of the interaction among VLEs and student mental health.

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)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,046
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0150,014
Études des sciences et des technologies0,0010,002
Communication savante0,0050,004
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,012
Tête enseignante GPT0,312
Écart entre enseignants0,301 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations90
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducation and Information TechnologiesMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207