MétaCan
Menu
Retour à la cohorte
Enregistrement W4403070574 · doi:10.54337/nlc.v10.8881

Effectiveness of Guests in Large Enrolment Online Courses as an Instructional Strategy

2016· article· en· W4403070574 sur OpenAlexaff
Jane Costello, Linda E. Rohr

Notice bibliographique

RevueProceedings of the International Conference on Networked Learning · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology-Enhanced Education Studies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésMathematics educationPsychologyComputer scienceMedical educationMedicine

Résumé

récupéré en direct d'OpenAlex

This paper introduces preliminary findings of an evaluation of the design-effectiveness of the guest instructional strategy focusing on guest speakers' effectiveness for learning (Costello, 2012; 2014a, b) and enhancing social presence (Short, Williams & Christie, 1976) in a networked learning course. HKR 1000, Fitness and Wellness, is an introductory online course widely subscribed by students at Memorial University, seeing about 1000 yearly registrations. In each of the three (fall, winter, spring) thirteen-week semesters, sections of 80 students are virtually combined into one course shell within the learning management system (LMS), Brightspace, formerly Desire2Learn (D2L). In the spring and fall 2015 semesters the design-effectiveness of the guest instructional strategy was evaluated based on students' perspectives (N=688). Effectiveness was determined by whether guests impacted student learning, related to course content, provided real life relevance, and fostered social presence. While large enrolments in online courses are not typical or favoured, it is possible to effectively design instructional strategies that use social learning (Rohr & Costello, 2015) to enhance learning and social presence. Content for HKR 1000 focuses on key topics for living healthy, active lifestyles, including basic principles of physical fitness, cardiorespiratory endurance, muscular strength and endurance, flexibility, body composition, nutrition, stress and weight management. To further highlight the link between real world experiences and course content, guest video presentations and discussions were included in the online course environment. Guests bring a unique perspective to a learning community as an integral, authentic resource impacting student success both in their learning and their professions (Costello, 2014b, Finkelstein, 2006). The use of guests as an instructional strategy (Costello, 2014a, Lowenthal, 2009) also served as a means to increase social presence in the course. The guests each appeared for a week during the semester, their topics being tightly linked to specific course content. Each had a unique, relevant area of expertise to share and provided a short 2-4 minute video clip and engaged in discussion with the students in the LMS discussion forum for the remainder of their respective week. An anonymous survey was administered in the learning management system to collect student feedback on these matters. Questions explored whether the students viewed the videos, posted questions, and read the discussion forums. In addition students were asked to reflect on the approachableness and warmth of each guest. Results indicate a positive guest impact on student learning, provision of real life relevance and enhancement of social presence.

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)0,008
score de la tête « metaresearch » (Gemma)0,038
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,038
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,036
Tête enseignante GPT0,364
Écart entre enseignants0,327 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the International Conference on Networked LearningMême sujetTechnology-Enhanced Education StudiesTravaux en français237 207