MétaCan
Menu
Retour à la cohorte
Enregistrement W1590509746 · doi:10.18438/b8dp6n

Situating Student Learning in Rich Contexts: A Constructionist Approach to Digital Archives Education

2011· article· en· W1590509746 sur OpenAlexvenueno aff
Anthony Cocciolo

Notice bibliographique

RevueEvidence Based Library and Information Practice · 2011
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpen Education and E-Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStrict constructionismFacilitatorConstructionismSocial constructionismPerceptionTeamworkPsychologyPedagogyMathematics educationSociologySocial psychologyEpistemologySocial science

Résumé

récupéré en direct d'OpenAlex

Objective - This paper sought to determine whether a constructionist pedagogical approach to digital archives education could positively influence student perceptions of their learning. Constructionism is a learning theory that places students in the role of designers and emphasizes creating tangible artifacts in a social environment. This theory was used in the instructional design of the Digital Archive Creation Project (DACP), a major component of a digital archives course offered to students enrolled in a Master’s program in library science at Pratt Institute School of Library and Information Science. Methods - Participants were the 31 students enrolled in the DACP during the fall and spring semesters of 2010. They were surveyed as to their perceived learning outcomes as a result of their engagement with the DACP. Results - Results indicated that students perceived strong increases in their learning following their engagement in the DACP, particularly in terms of their skills, confidence, understanding of topics covered in other courses, and overall understanding. Factors that influenced these increases include the collaborative teamwork, the role of the facilitator or instructor, and individual effort. Conclusion - The project demonstrated that a constructionist pedagogical approach to digital archives education positively impacted students’ perceptions of their learning.

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)0,010
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,016
Communication savante0,0080,004
Science ouverte0,0020,010
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,017
Tête enseignante GPT0,265
Écart entre enseignants0,248 · 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'étudeQualitatif
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

Citations18
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvidence Based Library and Information PracticeMême sujetOpen Education and E-LearningTravaux en français237 207