Online Learning: Does It Help Low-Income and
Notice bibliographique
Résumé
Advocates of online learning are optimistic about its potential to promote greater access to college by reducing the cost and time of commuting and, in the case of asynchronous approaches, by allowing students to study on a schedule that is optimal for them. The enthusiasm surrounding recent innovative, technology-based education initiatives, combined with an ongoing acceleration in online course enrollments (Allen & Seaman, 2010) has led educators to ask whether the continuing expansion of online learning could be leveraged to increase the academic access, progression, and success of low-income and underprepared college students. To provide an evidence-based perspective on these questions, this Brief, based on a longer review, summarizes the literature on online learning and provides recommendations for policymakers and practitioners. Summary of the Literature The larger review, summarized briefly here, considered studies that compared online (80 % or more of the course conducted online) and face-to-face (less than 30 % of the course conducted online) learning in the postsecondary education setting. The postsecondary inclusion criterion distinguishes this review from other recent analyses of the online learning literature, which each included studies from a mixed variety of settings, including K-12, college, and work-based employee training contexts (Bernard et al., 2004; Zhao, Li, Yan, Lai, & Tan, 2005; U.S. Department of Education, 2009). This review was also limited to studies that compared online and face-to-face courses in terms of students ’ course enrollment, completion, performance, or subsequent academic outcomes. Studies that were discarded include those published prior to 2000, studies that focused on short educational interventions (e.g., a one-week treatment), and studies that allowed students to self-select into either online or face-to-face courses without attempting to control for any potential differences between the student groups. Finally, the review considered only studies conducted in the United States and Canada. This review thus included 34 papers (some with multiple studies, for a total of 36 studies). A detailed breakdown of findings can be found in the full review.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,012 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».