MétaCan
Menu
Retour à la cohorte
Enregistrement W4389285091 · doi:10.1111/ejed.12601

Mobile learning frameworks and pedagogy: A systematic review

2023· review· en· W4389285091 sur OpenAlexaff
David Parsons, Agnieszka Palalas, Stavros A. Nikou, Selwyn Rodulfo

Notice bibliographique

RevueEuropean Journal of Education · 2023
Typereview
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésExperiential learningMobile deviceAffordanceOpen learningLearning theoryLearning sciencesEducational technologyComputer scienceSoftware portabilityCooperative learningTeaching methodPedagogyPsychologyHuman–computer interactionWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Abstract This article provides a systematic review of mobile learning frameworks that address issues of pedagogy published between 2011 and 2022. The objective of the review was to gain a clear picture of recent developments in mobile learning frameworks to provide an understanding of current directions in mobile learning pedagogy. Eighteen peer‐reviewed journal articles that presented new mobile learning pedagogical frameworks were examined and evaluated based on the characteristics of each framework. The two main areas of analysis were the pedagogical approaches integrated into the frameworks and their definitions of mobile learning. We conclude that mobile learning frameworks have become more diverse over time, in many cases tending to focus on specific aspects of mobile learning rather than attempting to address overarching concepts. With respect to pedagogies and their underlying theories of learning, social constructivism, heutagogy, collaborative learning, experiential learning, inquiry‐based learning, and student‐centred learning were mentioned most frequently. However, although many frameworks make reference to pedagogy, there is limited analysis of how mobile learning pedagogy might be defined as distinct from other contexts of learning. The key characteristics of mobile learning, consistent through most of the reviewed frameworks, comprise the portability of mobile devices across multiple contexts, connectivity, and accessibility, as well as learner‐centredness (including personalisation and self‐regulation). One key aspect of identifying the uniqueness and future potential of mobile learning is the special affordances addressed by mobile learning theory. We conclude that this is an area where further research is required.

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)0,019
score de la tête « metaresearch » (Gemma)0,070
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,070
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,005
Bibliométrie0,0190,017
Études des sciences et des technologies0,0010,002
Communication savante0,0040,005
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,040
Tête enseignante GPT0,380
Écart entre enseignants0,340 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations13
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of EducationMême sujetMobile Learning in EducationTravaux en français237 207