MétaCan
Menu
Retour à la cohorte
Enregistrement W4255520376 · doi:10.32920/ryerson.14636274

Learning in the Wild: Coding Reddit for Learning and Practice

2021· preprint· en· W4255520376 sur OpenAlexafffund
Priya Kumar, Anatoliy Gruzd, Caroline Haythornthwaite, Sarah C. Gilbert, Marc Esteve Del Valle, Drew Paulin

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensUniversity of British ColumbiaToronto Metropolitan University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésAsk priceSchema (genetic algorithms)Learning analyticsHappeningCoding (social sciences)Social mediaInformal learningExploratory researchSocial learningComputer scienceWorld Wide WebData scienceSociologyKnowledge managementPedagogySocial science

Résumé

récupéré en direct d'OpenAlex

This paper introduces a ‘learning in the wild’ coding schema, an approach developed to support learning analytics researchers interested in understanding the different types of discourse, exploratory talk, and conversational dialogue happening on social media. The research examines how learner-participants (‘Redditors’) are leveraging subreddit communities to facilitate self-directed informal learning practices on the social networking site. The coding schema is tested and applied across four ‘Ask’ subreddit communities (‘AskHistorians’, ‘Ask_Politics’, ‘askscience’, ‘AskAcademia’). The research brings attention to how knowledge, ideas, and resources are being shared and supported outside the confines of traditional education and professional environments.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,709
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
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 Opus0,029
Tête enseignante GPT0,339
Écart entre enseignants0,310 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetOnline Learning and AnalyticsTravaux en français237 207