MétaCan
Menu
Retour à la cohorte
Enregistrement W6995908086

Pre-service Teachers’ Readiness for Online Learning

2017· article· en· W6995908086 sur OpenAlexfundno aff

Notice bibliographique

RevueVan Yüzüncü Yıl University Academic Data Management System · 2017
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEducation Practices and Challenges
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of California, San FranciscoUniversity of Illinois at Urbana-ChampaignUniversitetet i OsloUniversity of California, Los AngelesUniversity of WaterlooUniversity of Nebraska-LincolnUniversity of MemphisUniversity of South AustraliaUniversity of Technology SydneyUniversity of Northern British ColumbiaUniversity of RoehamptonUniversity of GreenwichWestern Kentucky UniversityVirginia Commonwealth UniversityUniversity of Otago
Mots-clésOnline learningOnline discussionFocus groupOnline assessmentFocus (optics)Online research methodsElectronic learningOnline courseData collection
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to determine pre-service teachers’ readiness foronline learning. In this study, existing situation has been descripted. Descriptive surveymethod was used. The participants of the study were pre-service teachers taking teachingcertification through online education in the fall semester 2015-2016. All of the participantstook part in the study voluntarily. Seven of the participants were female, two of them male.The data were collected through the focus group interviews including questions about thereadiness for online learning. The interview questions were formed in light of the literatureand examined by the expert in this field. The questions were organized under four categories,namely, “communication self-efficacy”, “institutional support”, “self-directed learning”, and“learning transfer self-efficacy”. Obtained data are grouped under the category of positive,negative and neutral. There are 68 positive, 7 neutral and 20 negative expressions. Whenproportioned, positive statements are approximately three and half times more than negativestatements. By this results we can say participants’ readiness for online learning is atsufficient level.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,168
Tête enseignante GPT0,322
Écart entre enseignants0,154 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVan Yüzüncü Yıl University Academic Data Management SystemMême sujetEducation Practices and ChallengesTravaux en français237 207