Symposium 5: Perceptions of guest lecturers' impact on online learning communities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découle