Symposium 5: Perceptions of guest lecturers' impact on online learning communities
Notice bibliographique
Résumé
A phenomenographic approach to case study is presented as a proposed methodology to researching guest speakers’ impact in networked learning communities. This work-in-progress paper outlines the proposed use of case study and phenomenography in exploring learners’ experience of guest speakers’ impact on students’ in online learning communities in higher education (HE). The rationale for this chosen methodology is outlined, as well as its epistemological and ontological underpinnings. The inclusion of guest speakers in higher education courses, such that they share experience with and learn with students and instructors through synchronous or asynchronous communication, is an area little studied to date. Little is known about guest speakers’ impact on learning beyond a few documented benefits afforded by guest speakers in face-to-face learning environments. For example, guest speakers bridge theory and practice (praxis) through experiences they share with the class. Data collected from semi-structured interviews in each case will be formulated into outcome spaces. This multiple case study will generate outcomes spaces that depict the categories of description as provided by participants. Following Åkerlind’s (2008) method of focusing on student experience, the outcome space will be representative of participants’ variation of experience, from students’ perspectives. The project’s issues and challenges, as understood to-date, are outlined. Proposed next steps are identified. This paper presents an alternate approach to the use of phenomenography in researching learning in a student-centred phenomenographic approach to case study.
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 | 0,010 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,003 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».