MétaCan
Menu
← Retour à la cohorte
Enregistrement W4241632851 · doi:10.32920/ryerson.14647698.v1

Learning through weblogs: students' perspective and learning evidences

2021· preprint· en· W4241632851 sur OpenAlexaffabout
Claude S. Gagne

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensToronto Metropolitan UniversityYork University
Organismes subventionnairesnon disponible
Mots-clésPerspective (graphical)PerceptionPsychologyTask (project management)Mathematics educationPedagogyComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

The study reported in this paper examines students' perception of the use of weblogs as learning tools; it also explores evidence of learning within blog postings. Two Ryerson University courses in Information Technology Management that require students to use weblogs are taken as examples. Twenty-two students from these two courses participated in an online survey concerning their blogging experience. The participants had very good computer knowledge - most of them had previous experience using blogs. Most of them thought that building and maintaining a blog was an easy task. However, the research shows that students' perception concerning the use of blogs as educational tools was neutral-students also perceived the impact of using blogs on their ability to learn the course material as neutral. The study shows a lack of clear communication between instructors and students, which could have had a negative impact on students' learning experience. Furthermore, the study indicates that most students perceived the content they posted in a somewhat negative way. A content analysis performed on 22 blogs demonstrates that that the objectives of each course played a significant impact on the evidences of learning apparent in students' blogs. Students in group B demonstrated more evidences of learning then students in group A. Overall, the study shows that the use of blogs as learning tool in university classrooms is promising. Providing students with clear goals, objectives and expectations could help them to build and maintain their blogs in a way that could be more beneficial to their learning experience.

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)0,007
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 enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
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 ouverte0,0000,002
Intégrité de la recherche0,0010,002
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 Opus0,035
Tête enseignante GPT0,402
Écart entre enseignants0,367 · 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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetOnline and Blended Learning→Travaux en français237 207→