Apprendimento deregolato con tecnologie avanzate di apprendimento
Notice bibliographique
Résumé
L'apprendimento efficace con avanzate tecnologie per l'apprendimento e basato sulla premessa che i discenti regolano in maniera adattativa i loro comportamenti cognitivi e metacognitivi durante l'apprendimento. Tuttavia, vi sono molte prove sperimentali che suggeriscono che gli studenti generalmente non modificano il loro in maniera adattativa, suggerendo cosi che essi si imbattono in quel fenomeno definito come comportamento . Apprendimento e un nuovo termine che e stato usato per descrivere una classe di comportamenti che i discenti usano e che porta ad un apprendimento minimale. Esempi di apprendimento deregolato includono mancanze nel: (1) codificare esigenze contestuali, (2) mettere in pratica efficaci strategie di apprendimento, (3) nel modificare e aggiornare gli standard interni, (4) nel trattare con la natura dinamica del compito, (5) nel monitorare in maniera metacognitiva l' uso di strategie e realizzare accurati giudizi metacognitivi, e (6) nell'adattare in modo intelligente il durante l'apprendimento in modo da massimizzare l'apprendimento e la comprensione del materiale didattico. La comprensione dei comportamenti associata all'apprendimento deregolato e critico in quanto ha implicazioni nel determinare cio che sono, quando si verificano, quanto spesso si verificano, e come possono essere corretti durante l'apprendimento.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,008 |
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 ».