Collaboration and Ethics in Distance Learning Design
Notice bibliographique
Résumé
Ethical education practices require that all students have access to quality learning resources, necessary learning supports, diverse learning strategies, and deep learning opportunities. When it comes to learning strategies and opportunities, collaborative learning practices foster deep learning through socio-cultural interactions, asserting that individual learning is limited compared to what can be learned as a community. Education systems have an ethical obligation to ensure that what is advocated for in curricula can be achieved and will be supported. Although K–12 curricula are typically rooted in collaborative approaches, many asynchronous secondary online learning courses continue to be associated with individual learning approaches. This research used insights gleaned from 35 survey responses and 18 semi-structured interviews with secondary asynchronous distance learning teachers to analyze how collaborative learning is actualized and examine barriers to its implementation. Collaborative online learning opportunities were increasingly prevalent when communities outside of the school were leveraged for experiential learning and when students were paced as a cohort. The data indicated that an increase in collaborative learning was not likely to occur unless the learning ecosystem valued online learning as equitably as face-to-face learning in terms of investment in research-based pedagogy, student support, teacher support, and teaching and learning resources. Until such time, distance learning students will be disadvantaged concerning building collaborative competence that can lead to deeper learning opportunities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,038 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,029 |
| Communication savante | 0,015 | 0,010 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».