MétaCan
Menu
Retour à la cohorte
Enregistrement W54371839

A Preliminary Investigation of Self-Directed Learning Activities in a Non-Formal Blended Learning Environment.

2009· article· en· W54371839 sur OpenAlexaboutno aff
Richard A. Schwier, Dirk Morrison, Ben Kei Daniel

Notice bibliographique

RevueAmerican Educational Research Association Annual Meeting · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBlended learningFormal learningAutodidacticismActive learning (machine learning)Cooperative learningSynchronous learningLearning environmentEducational technologyVirtual learning environmentPsychologyProfessional developmentInformal learningCollaborative learningOpen learningLearning sciencesMathematics educationPedagogyComputer scienceTeaching methodArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This research considers how professional participants in a non-formal self-directed learning environment (NFSDL) made use of self-directed learning activities in a blended face-to-face and online learning professional development course. The learning environment for the study was a professional development seminar on teaching in higher education that was offered to ten novice professors over the course of one academic year in a western Canadian research-intensive university. Autonomous activities were compared to online and face-to-face social networking activities, and the effect of structure on the amount and type of self-directed engagement will be examined. We consider whether there is a need to adapt basic theory on formal virtual learning communities to understand self-directed learning and pedagogical practices in nonformal online learning environments. ---------------------------The purpose of this investigation was to examine the self-directed learning activities of learners in a nonformal professional development course that included online and face-to-face learning opportunities. We compare group characteristics and catalysts for learning we found in this non-formal learning environment with key elements of online learning communities we have found in formal environments in earlier studies (Schwier, 2007). This preliminary study was conducted in the 2008-09 academic year, and will be used to inform a research program that will span the next three years. We report preliminary findings in this paper, and discuss methodological issues that will drive future research. Specifically this pilot study examined two central questions: 1. Were characteristics identified in formal virtual learning communities found in a non-formal online learning environment, and did unique characteristics emerge? 2. How did the context and structure of the course influence self-directed learning by participants?

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)0,007
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,081
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,018
Tête enseignante GPT0,348
Écart entre enseignants0,331 · 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'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

Citations12
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Educational Research Association Annual MeetingMême sujetOnline and Blended LearningTravaux en français237 207