MétaCan
Menu
Retour à la cohorte
Enregistrement W4206726616 · doi:10.47679/ijasca.v1i2.9

Creating an environment that encourages both extensive and intense threaded dialogue The growth of discussion threads and the size of the class

2022· article· en· W4206726616 sur OpenAlexaff
Susan Hilliard, Madeline Ledger, Natasha Power

Notice bibliographique

RevueInternational Journal of Advanced Science and Computer Applications · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésViewpointsConversationClass (philosophy)Thread (computing)Asynchronous communicationMathematics educationComputer sciencePreferenceClass sizePedagogyGraduate studentsPsychologyArtificial intelligenceCommunicationMathematics

Résumé

récupéré en direct d'OpenAlex

The purpose of this research is to investigate the beginning and development of asynchronous discussion threads in various class sizes over the course of 25 graduate-level courses and 22 interviews. The paper also aims to create some recommendations for promoting threaded discourse during the initiation, advancement, summary, and evaluation phases of a discussion thread from pedagogical, technological, and theoretical viewpoints. The statistical analysis revealed that class size did influence the number of threads and the length of threads created by students and instructors, which showed the importance of certain themes in the conversation. The majority of participants said that it was difficult to follow threaded conversations in order to establish meaningful cooperation in huge classrooms. Instructors and graduate students each expressed a preference as to whether they should begin or follow a conversation. Some pedagogical tactics were used by the instructors to facilitate the commencement and growth of discussion threads. This research may have consequences for both practitioners and academics in terms of developing new software features and designing efficient educational tactics in order to produce more successful comprehensive and intense knowledge-building discourse in the classroom.

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)0,021
score de la tête « metaresearch » (Gemma)0,052
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,111

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,052
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,002
Communication savante0,0060,005
Science ouverte0,0010,006
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,020
Tête enseignante GPT0,327
Écart entre enseignants0,307 · 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'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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Advanced Science and Computer ApplicationsMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207