MétaCan
Menu
Retour à la cohorte
Enregistrement W3202965703

Mobile learning pedagogies : panel discussion

2021· article· en· W3202965703 sur OpenAlexaff
Aga Palalas, David Parsons, Stavros A. Nikou, Selwyn Rudolfo

Notice bibliographique

RevueStrathprints: The University of Strathclyde institutional repository (University of Strathclyde) · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésAffordanceMobile deviceMobile technologyLearning theoryComputer scienceEducational technologyPedagogyMultimediaPsychologyHuman–computer interactionWorld Wide Web
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Mobile learning has been around for twenty years or so, and different pedagogical methods have been (or have not been) employed. Mobile learning research has often been centered around the technical aspects of mobile tools and applications and less on the pedagogical aspect and learning approaches. While several theories of learning have been applied in mobile learning, the link be-tween theory and pedagogy is often missing, as is the specific relationship be-tween pedagogy and mobile learning theory and practice. Mobile learning mediates any pedagogy in specific ways that may render it qualitatively different from the same pedagogical approach used in another context. However, an important question is whether mobile learning pedagogy can be seen as distinct from other pedagogies. While it is evident that mobile devices can assist traditional pedagogies, such as teaching practices informed by social constructivism, or shifting the focus from teacher-centred to student-centred learning, the question behind these uses of mobile devices in learning is whether there is an identifiable mobile learning pedagogy that is novel and distinct. Discussion is needed to provide a more unified and consistent view of mobile learning and its associated theories and pedagogies, and perhaps bring in new aspects of mobile learning that take account of the opportunities and affordances of evolving mobile technologies.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,523
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0000,001
Science ouverte0,0020,001
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 Opus0,020
Tête enseignante GPT0,218
Écart entre enseignants0,198 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrathprints: The University of Strathclyde institutional repository (University of Strathclyde)Même sujetMobile Learning in EducationTravaux en français237 207