MétaCan
Menu
Retour à la cohorte
Enregistrement W4389369403 · doi:10.19173/irrodl.v24i4.7332

Teammate Familiarity in Distributed Computer-Supported Collaborative Learning: The Mediating Role of Social Presence

2023· article· en· W4389369403 sur OpenAlexvenueno aff
Shunan Zhang, Dongyan Nan, Seungjong Sun, ShaoPeng Che, Jang Hyun Kim

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesNational Research Foundation of KoreaNational Research Foundation
Mots-clésTeamworkComputer-supported collaborative learningComputer scienceComputer-mediated communicationCollaborative learningUser satisfactionSocial mediaClass (philosophy)World Wide WebMultimediaPsychologyKnowledge managementHuman–computer interactionThe InternetArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Owing to the limitations of computer-mediated communication (CMC), distributed CSCL (Computer-supported collaborative learning) has not always been as effective as desired. Despite recognizing the significance of group composition, the exploration of the function of teammate familiarity in distributed educational settings is restricted. This study explored the influence of teammate familiarity and social presence in a distributed CSCL setting by conducting an online survey of 288 Korean university students with experience in distributed CSCL. The results indicate that teammate familiarity increased the social presence experienced by students among their peers. Social presence subsequently enhanced teamwork satisfaction and, ultimately, increased self-assessed knowledge gain. More importantly, the relationship between teammate familiarity and teamwork satisfaction was mediated by social presence. Social media platforms and class webpages were the most widely used channels for students to get to know their teammates. Our study provided insights for improving the effectiveness of distributed CSCL and a framework for investigating social presence in satisfaction building in various contexts, including online education.

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)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,093
Tête enseignante GPT0,495
Écart entre enseignants0,402 · 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'étudeObservationnel
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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207