MétaCan
Menu
Retour à la cohorte
Enregistrement W4205284714 · doi:10.18357/otessac.2021.1.1.60

A Care-Centered Approach to Online Learning Design and Pedagogy

2021· article· en· W4205284714 sur OpenAlexvenueno aff
Heather Robinson, Whitney Kilgore, Maha Al‐Freih

Notice bibliographique

RevueThe Open/Technology in Education Society and Scholarship Association Conference · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCommunication in Education and Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFeelingPsychologyPerspective (graphical)PhenomenonBridge (graph theory)Online learningPedagogySocial psychologyMultimediaComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Researchers in the field of online learning have raised concerns over its lack of focus on the affective/emotional aspect of the online learning experience, despite a strong research base indicating the important role that emotions play in successful and effective learning (Ch’ng, 2019). Utilizing a phenomenological methodological approach, the researchers interviewed online students and coded transcripts based on Noddings’ Ethics of Care Framework (1984) to explore the phenomenon of care in online learning in an effort to bridge this gap and deepen our understanding of the feeling of caring and being cared-for. These findings add to the literature on the role of emotions in online learning as viewed through the lens of care-theory. The findings highlight course design issues and instructor behaviors that promote a climate of care in an online environment from a learner perspective. These findings may be of benefit to inform future teacher preparation programs.

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 candidatesaucune
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 enseignants0,292
Score d'incertitude au seuil0,624

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,128
Tête enseignante GPT0,447
Écart entre enseignants0,318 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Open/Technology in Education Society and Scholarship Association ConferenceMême sujetCommunication in Education and HealthcareTravaux en français237 207