MétaCan
Menu
Retour à la cohorte
Enregistrement W4239125629 · doi:10.4018/978-1-4666-8614-4.ch051

The Use of Web 2.0 Technologies in Formal and Informal Learning Settings

2015· book-chapter· en· W4239125629 sur OpenAlexaff
Lisa A. Best, Diane N. Buhay, Katherine McGuire, Signe Gurholt, Shari Foley

Notice bibliographique

RevueIGI Global eBooks · 2015
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensNew Brunswick Community CollegeUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésThe InternetInformal learningCompetence (human resources)PreferencePsychologyComputer scienceKnowledge managementMedical educationPedagogyWorld Wide WebSocial psychology

Résumé

récupéré en direct d'OpenAlex

It is often assumed that because the current generation of students is more technologically competent than previous generations, they would prefer to use technology for both formal and informal learning. The results of a series of empirical studies indicated that students in formal settings preferred face-to-face contact with their instructors and used Web 2.0 tools for communication and to complete specific class assignments; in their personal lives, these technologies were used for communication, music and video downloads, and online gaming. Although students did not use social networking in their classes, the use of these tools may provide educators with an alternative to course management systems. Results from a community sample indicated a preference towards using the Internet for information gathering, and even though respondents reported that the incorporation of social networking sites in informal education settings would be nice, it was not expected. Overall, both student and community participants utilized technology that was familiar to them. Thus, assuming technological competence in our students and implementing various technological applications in the classroom may be counterproductive if guidance and training are not provided.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0050,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,033
Tête enseignante GPT0,285
Écart entre enseignants0,253 · 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
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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIGI Global eBooksMême sujetImpact of Technology on AdolescentsTravaux en français237 207