Digital well-being begins with inclusion: A systematic review of videoconferencing guidelines for equitable learning
Notice bibliographique
Résumé
As higher education institutions increasingly adopt videoconferencing technologies to broaden access to learning, the need for evidence-based, inclusive practices to support digital well-being becomes paramount. Integrating these technologies into the curriculum necessitates careful design considerations to prevent unintended consequences and uphold learners' privacy, safety, equity and humanity. Our systematic review, based on eight dimensions of digital wellness, has identified key inclusive design decisions for videoconference-enabled formal learning experiences. Drawing from data analysed from 36 empirical studies, we organised six inclusive design considerations for digital wellness in videoconferencing learning environments. These considerations – accessibility, active learning strategies, multimodal communication, readiness, social presence and sociocultural sensitivity – offer course designers a practical framework to create evidence-based practices that foster digital wellness and inclusion in videoconferencing learning spaces. Implications for practice or policy: Academic institutions should recognise digital wellness as a shared responsibility among institutional stakeholders, including faculty, learners, and administrative professionals. Institutional policies should prioritise learner choice and equitable access for co-creating knowledge and fostering safe communication. Stakeholders should be empowered to make informed choices about digital habits to mitigate unintended consequences and encourage mindful technology use. Accessibility barriers must be addressed through intentional learning design, ensuring meaningful participation and interaction for all.
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 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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».