MétaCan
Menu
Retour à la cohorte
Enregistrement W7133099758

The Development of Persona as a Tool for Online Learning

2022· dissertation· W7133099758 sur OpenAlexaff
Teresa Lynn Avery

Notice bibliographique

RevueTSpace · 2022
Typedissertation
Langue
DomaineComputer Science
ThématiquePersona Design and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPersonaContext (archaeology)Representation (politics)Online learningPlan (archaeology)Virtual learning environmentConstructivist teaching methodsLearning environment
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The purpose of this thesis was to explore if learner personas could be used as a tool for learner-centred online learning. Personas can be a powerful design tool when applied to online learning design and could assist instructors in envisioning and planning for distinct “archetypes” of online learners and is one way that can be used to characterize the needs, goals, experience and accessibility requirements of learners (Lilley et al., 2012; Pyper et al., 2011; Rogers et al., 2011; Ward & Parr, 2010). The study intended to create a compelling and approachable representation of data based on representative data from observations made while doing a comprehensive case study. Personas can be tools or a broader lens that instructors can use to extend or complement their teaching, adding to the constructivist and collective knowledge of the group, ideally interrogating ideas within the online environment (Dalley-Hewer et al., 2012; Garrison et al., 2001; Scardamalia & Bereiter, 2005). Accordingly, a course developed as part of a COI should provide a space for “meaningful discourse and [to] develop personal and lasting understandings of course topics” (Garrison et al., 1999; Oztok et al., 2014; Rourke & Kanuka, 2009). This study found that using distinct personas––as a way to envision the learner’s individual journeys and engagement patterns––can guide the instructor’s thoughts about how the learners’ themselves add to their own personal understanding. The personas also offered a way for instructors to dialogue with colleagues in context about similar learners across other course offerings, providing a practical way for instructors and designers to look at their courses from the perspective of the learner (Jonassen et al., 1995; Swan et al., 2009a; Ward, 2010). The study used log-file data from threaded conversations, student participatory behaviours, and student reflective journals, along with instructor interviews and insight from a comprehensive literature review. This contributed to the development of five specific personas, created from specific facts as general archetypes. The next steps in this study included how these findings about one course offering can be translated into future studies and tool development.

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)0,017
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,029
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,006
Communication savante0,0090,015
Science ouverte0,0030,010
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0090,004

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 Opus0,039
Tête enseignante GPT0,366
Écart entre enseignants0,327 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetPersona Design and ApplicationsTravaux en français237 207