MétaCan
Menu
Retour à la cohorte
Enregistrement W4403070749 · doi:10.54337/nlc.v11.8771

Mapping Patterns of Relations in an Online Graduate Course

2018· article· en· W4403070749 sur OpenAlexaff
Marlon Simmons, Gale Parchoma, Marguerite Koole

Notice bibliographique

RevueProceedings of the International Conference on Networked Learning · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensUniversity of SaskatchewanUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésCourse (navigation)Online courseGraduate studentsMathematics educationComputer scienceMedical educationPsychologyEngineeringPedagogyMedicine

Résumé

récupéré en direct d'OpenAlex

This study explores the patterns of relations that emerged and mutated during a particular semester of an online, graduate course, Multimedia Design for Learning. The assemblage, a learning community, was comprised of a professor-course designer, learners, the course content, digital connectivity, a learning management system (LMS), digital media production software, learning tasks, assessment criteria, and emergent activities. We describe the expected and unexpected relational interplays observed among the actors and map the performativity of the learning community. Within this interplay we were more concerned about how particular nodal points (actors within a network) came to operate as sites of attachments (bonds between actors), and simultaneously promulgated different sensibilities and new relations, which in turn, worked to transform material/digital/human objects into agents. Our main interest was to better understand how, from an initially fragile assemblage, an online learning community could emerge, reconstitute, and/or dissolve. We first describe Sørensen’s (2009) patterns of relations (regions, networks, and fluids) metaphor. Then, we consider the shaping, reshaping, and co-constitution of the patterns of relations (Mol & Law, 1994). We also describe the role of obligatory points of passage, and sites of attachment that held the assemblage’s network together. Our methodological approach drew upon Hine’s (2000; 2004) principles for undertaking a virtual ethnographical study. In order to gather our data, we conducted online, structured, asynchronous, text-based interviews with seven of the fourteen course participants. A second data set was derived from the course designer-instructor’s (also a co-author here) reflective notes. As a research-group, we spent reflexive time constructing and applying a guiding conceptual framework for data analysis. We engaged in two rounds of coding. The first round was descriptive; the second round was self-reflective. In this paper, we focus on key themes that describe student-participant’s chosen sites for: 1) finding familiarity/continuity in the processes of navigating synchronous and asynchronous communication channels and associated resources initially chosen by the instructor, (2) finding ways to collaboratively engage in knowledge construction within the course, and (3) circumventing the patterns of relations initially implemented within the course design. We conclude the paper by discussing how initial attempts to create spaces for specific patterns of relations (“design choices”) appeared to evolve within the learning community assemblage; that is, how activities emerged unexpectedly.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,013

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
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,003
Communication savante0,0030,004
Science ouverte0,0010,003
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 Opus0,102
Tête enseignante GPT0,357
Écart entre enseignants0,255 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the International Conference on Networked LearningMême sujetOnline and Blended LearningTravaux en français237 207