MétaCan
Menu
Retour à la cohorte
Enregistrement W4386168734 · doi:10.5430/jct.v12n4p116

Enhancing Virtual Teaching and Learning through Connectivism in University Classrooms

2023· article· en· W4386168734 sur OpenAlexvenueno aff
Bunmi Isaiah Omodan, Nomxolisi Mtsi, Pretty Thandiswa Mpiti

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConnectivismArgument (complex analysis)Transformative learningMathematics educationPedagogySociologyAdaptation (eye)Computer scienceLearning theoryPsychology

Résumé

récupéré en direct d'OpenAlex

It is argued that teaching and learning in the 21st century rely heavily on technology, especially in university classrooms. This theoretical paper contends that for students to be successful in university classrooms in the 21st century, both lecturers and students should effectively resonate with technology. This paradigm shift is not without one or two challenges which must be addressed since teaching and learning through technology has come to stay. Therefore, this study presents the proponent of connectivism theory to enhance virtual teaching and learning in university classrooms. The study is located within a transformative worldview and derives its argument from a theoretical viewpoint by positioning connectivism as a tool to enhance teaching and learning in 21st-century university classrooms. Conceptual analysis was employed to argue the place of connectivism as a tool to enhance virtual classrooms in universities. The connectivism theory was presented, and its assumptions were argued in relation to how it could be integrated into university classrooms. The study concludes that the diversity of nodes' interconnections, coherence of things and adaptation to constant change are dimensions that could enhance virtual classrooms. Therefore, concerted efforts of both lecturers and students in universities to improve these dimensions to transform virtual space in university classrooms.

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)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,581
Score d'incertitude au seuil0,944

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,012
Tête enseignante GPT0,293
Écart entre enseignants0,281 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetOnline and Blended LearningTravaux en français237 207