MétaCan
Menu
Retour à la cohorte
Enregistrement W4415208946 · doi:10.1515/cercles-2025-0024

Use of ePortfolios in EAP classes to facilitate self-efficacy through the improvement of creative, organizational, reflective, revision and technological skills

2025· article· en· W4415208946 sur OpenAlexaff
Kathleen Mitchell, Fergus O’Dwyer

Notice bibliographique

RevueLanguage Learning in Higher Education · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueReflective Practices in Education
Établissements canadiensTrinity College
Organismes subventionnairesnon disponible
Mots-clésFeelingThematic analysisAutonomySemi-structured interviewLearner autonomyQualitative researchQualitative propertyHigher educationElectronic learning

Résumé

récupéré en direct d'OpenAlex

Abstract EPortfolios have long been associated with encouraging learners to develop learner autonomy by helping them document and reflect on their learning processes and developing suitable learning strategies. While there is plentiful research in this area, it is still unclear the specific ways in which learners feel that maintaining an ePortfolio can help develop their reflective practices, and implementation of learning strategies. To address this, we surveyed and interviewed learners on an International Foundation Programme regarding their year-long use of ePortfolio practices to ascertain which skills and abilities they felt they developed, and in what ways this was of use to them in their current and future learning journey. The results section synthesizes survey and interview data to represent the students’ voices and their feelings regarding the creation and maintenance of an ePortfolio, and the development of skills. The thematic analysis of the data suggests that students feel that the use of an ePortfolio is challenging but that it facilitates self-efficacy through the improvement of creative, organizational, reflective, revision and technological skills. The discussion and conclusion present ideas about how these practices can be developed in the future, and how other practitioners may decide to implement an ePortfolio in their own context.

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)0,004
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,004
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,395
Écart entre enseignants0,354 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLanguage Learning in Higher EducationMême sujetReflective Practices in EducationTravaux en français237 207