MétaCan
Menu
Retour à la cohorte
Enregistrement W4375853740 · doi:10.51357/jei.v4i1.213

Innovative Digital Tools for Online Learning

2023· article· en· W4375853740 sur OpenAlex
Zeynep Gecü-Parmaksız, Janette Hughes

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Educational Informatics · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology-Enhanced Education Studies
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésCurriculumOnline learningComputer scienceCoronavirus disease 2019 (COVID-19)Virtual learning environmentLearning environmentScratchMathematics educationMultimediaKnowledge managementPsychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

Professional development (PD) is crucial in creating a successful and effective teaching and learning environment. Due to the COVID-19 crisis, many teachers had to learn and master technology quickly. Therefore, PD programs became highly important to support teachers’ needs while exploring and learning online tech tools and implementing them in their educational environment. During Spring 2021, 14 educators participated in PD sessions related to mathematics and making activities and focused on introducing new virtual tech tools (CoSpaces Edu, iRobot, Tinkercad, Scratch, Ozobot). The primary goal of this paper was to gain insight into teachers’ user experiences regarding the tech tools and to understand their experiences and challenges using these tools in online settings. The study results showed that some teachers found it challenging to access technological tools and allocate time to design and create learning environments with them, especially during the pandemic. However, they were aware of the potential and advantages of these tech tools, such as increasing student motivation and engagement, supporting hands-on learning, and exploring curriculum connections.

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.

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)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,326
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,079
Tête enseignante GPT0,425
Écart entre enseignants0,346 · 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