MétaCan
Menu
Retour à la cohorte
Enregistrement W4405762886 · doi:10.21810/sfuer.v16i1.6666

Tutorial Booking and Tracking Application Interactivity

2024· article· en· W4405762886 sur OpenAlexvenueno aff
Tsoghik Grigoryan

Notice bibliographique

RevueSFU Educational Review · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInteractivityHyperlinkComputer scienceSemioticsMeaning (existential)MultimediaInterface (matter)World Wide WebHuman–computer interactionDomain (mathematical analysis)Web pageLinguisticsPsychology

Résumé

récupéré en direct d'OpenAlex

Electronic texts can be highly interactive. Forms of interactivity, such as hyperlinks, shortcuts or tags are not only signs to make meaning on the e-page but also space for actions and changing textual situations. Here, e-page interactivity and textual interaction become two different realms and make a gap between the text analysis and multimodal analysis. This case study aims to analyze the interactivity of the online tutorial booking and tracking application called ‘ ASP tutTrak’ by using a social semiotic multimodal framework for text and image analysis. The application is currently used in the Academic Success Center (ASC) of a tertiary level institution in the United Arab Emirates and was designed by the Information and Communication team of the same institution. The theoretical framework of the study presents multimodal social semiotics analysis of sites, signs and images of the ‘ASP tutTrak’ application through three metafunctions of communication (Halliday, 1978, Kress and Van Leeuwen, 1996, 2006). Since the application under consideration is in the academic domain, this study adapted Chou’s (2003) framework for interaction types for learner-interface and learner-content. Analysis of five sample pages indicate that the interactive meaning potentials of the digital text, interface and content are high and the application is interactive.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,963
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,050
Tête enseignante GPT0,494
Écart entre enseignants0,444 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSFU Educational ReviewMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207