MétaCan
Menu
Retour à la cohorte
Enregistrement W4389320118 · doi:10.55016/ojs/ajer.v64i2.56381

Using the 3E Framework in Promoting Adult Learners’ Success in Online Environments

2018· article· en· W4389320118 sur OpenAlexaffvenue
Vicki Squires

Notice bibliographique

RevueAlberta Journal of Educational Research · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésLigneHumanitiesElectronic learningSociologyPsychologyPedagogyLibrary scienceComputer scienceEducational technologyArt

Résumé

récupéré en direct d'OpenAlex

The growth of technology has facilitated a rapid expansion of online learning opportunities in postsecondary education, where adult learners are availing themselves of these classes and programs. To facilitate the success of adult learners in online environments, instructors must consider the learning characteristics of adult learners and intentionally design courses that leverage their strengths while addressing their challenges. The purpose of this paper is to utilize the 3E framework to analyze the implementation of e-learning technologies in order to achieve those goals. In this conceptual paper, first the 3E framework is described, and then the literature on adult learning in online environments is presented using a qualitative meta-synthesis approach. The 3E framework is then applied to examine e-learning technologies to highlight the implications this lens may have in the design and implementation of these technologies. La croissance de la technologie a facilité l’expansion rapide des occasions d’apprentissage en ligne dans le monde de l’éducation postsecondaire, où les adultes se prévalent de ces cours et ces programmes. Afin de promouvoir la réussite des apprenants adultes dans ces environnements en ligne, les instructeurs doivent tenir compte des caractéristiques d’apprentissage des apprenants adultes et ensuite concevoir des cours qui exploitent leurs forces tout en abordant leurs points faibles. À cette fin, la présente recherche emploie le cadre 3E (en anglais enhance, extend, empower: améliorer, accroitre, autonomiser) pour analyser la mise en œuvre de l’apprentissage électronique. Cet article conceptuel commence par décrire le cadre 3E pour ensuite présenter, par une synthèse méta-analytique et qualitative, la recherche portant sur l’apprentissage par les adultes dans les environnements en ligne. Par la suite, le cadre 3E est appliqué à l’étude des technologies en ligne pour mettre en valeur les incidences que pourraient avoir cette perspective sur la conception et la mise en œuvre de ces technologies. Mots clés : apprentissage en ligne, apprenants adultes, éducation postsecondaire

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)0,024
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0060,020
Communication savante0,0110,011
Science ouverte0,0020,008
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,117
Tête enseignante GPT0,489
Écart entre enseignants0,372 · 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'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

Citations3
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAlberta Journal of Educational ResearchMême sujetOnline and Blended LearningTravaux en français237 207