The class as a learning entity (complex adaptive system): An idea from complexity science and educational research
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Educational theorists are making increasing use of the metaphors and concepts of complexity thinking in their discourses. In particular, Professors Brent Davis, Elaine Simmt, and Dennis Sumara have written extensively about using complexity thinking to shift attention from the individual student as the locus of learning (cognizing agent) to the social collective—the class—as the locus of learning. In this model, the class (students and teacher) is (potentially) a complex adaptive system. The students and teacher remain complex adaptive systems in their own right, but through dynamic local interactions there is the possibility of emergent behaviours indicative of learning that transcends that of the individuals within the class. The social collective we know as a class becomes an instance of the Aristotlean adage, “The whole is greater than the sum of its parts.” (With the coda that we cannot understand the whole by merely understanding the components.) Davis, Simmt, and Sumara have segued from complexity-informed descriptions of educational collectives to discussions about facilitating the self-organization of classes into complex adaptive systems – learning systems, in their language. In this paper, I discuss complex adaptive systems and look at how Davis, Simmt, and Sumara developed their thesis that the class collective, rather than individual student, is the appropriate level to investigate learning and teaching. We conclude by addressing some of the possibilities and challenges inherent in such a redescription of communities of learners.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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.
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 découle