MétaCan
Menu
Retour à la cohorte
Enregistrement W4379184804 · doi:10.5430/jct.v12n3p233

Equilibrium or Studying Attractors to Upgrade Educational Suitability, Teaching Presence, Social Presence and Learning Results in MOOCs

2023· article· en· W4379184804 sur OpenAlex

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducation and Learning Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStructural equation modelingDescriptive statisticsConfirmatory factor analysisPsychologyUpgradeMathematics educationBootstrapping (finance)Computer scienceStatisticsMathematicsMachine learningEconometrics

Résumé

récupéré en direct d'OpenAlex

The purpose of this research is to find the equilibrium or studying attractors to upgrade educational suitability, instructional existing, social existing and learning results in Korean Massive Open Online Courses (K-MOOCs). To conduct this study, learners who had taken K-MOOC were selected for the study; data were collected from 369 K-MOOC learners. The data were studied using the SPSS 26.0 and AMOS 26.0 platforms. About the methodology of analysis, descriptive statistics analysis was carried out first, followed by an examination of the correlation. The measurement model was then confirmed using confirmatory factor analysis (CFA), and structural equation modeling (SEM) was used to validate the structural links and mediating effects between the variables. Further, to verify a mediating effect on educational performance, the numerical importance of the mediating result was verified using bootstrapping. Analysis outcomes are as the following: First, this study discovered that K-MOOC educational appropriateness positively impacted learning results. Second, this study discovered that K-teaching MOOC's presence meaningfully and statistically significantly moderated the association between educational appropriateness and learning outcomes. Lastly, this research discovered that K-social MOOC's presence had a statistically significant impact on moderating the link between educational appropriateness and learning results. The conclusions that can be derived from the analyses' findings are the following: To improve the learning performance of K-MOOC, which is operated through the national budget, education authorities must first deeply understand the learning needs of learners in accordance with social changes. It is also important to secure educational suitability by preparing and providing a variety of educational courses in consideration of learners' learning motives and learning goals. Lastly, it is important to increase the satisfaction and immersion in education by expanding the components of teaching existence and social existence to derive actual learning results. This study is meaningful in that it examines the direct and indirect effects of the state-led K-MOOC's educational suitability on learning outcomes, and in that it confirms the influence of teaching existence and social existence in that they enhance education outcomes.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,185
Score d'incertitude au seuil0,670

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,045
Tête enseignante GPT0,363
Écart entre enseignants0,317 · 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