Teaching, Designing, and Organizing: Concept Mapping for Librarians
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
Concept maps are graphical representations of relationships among concepts that can be an effective tool for teaching, designing, and organizing information in a variety of library settings. First, concept mapping can be used wherever training or formal teaching occurs as a visual aid to explain complex ideas. They can also help learners articulate their understanding of a subject area when they create their own concept maps. When using concept mapping as a teaching tool, students may have a more meaningful learning experience when they add information to a concept map that is based on their current knowledge. Next, concept maps are an effective design tool for librarians who are planning projects. They can also serve as a reference point for project implementation and evaluation. The same is true for the design of courses, presentations, and library workshops. A concept map based on the content of a course, for example, is valuable when selecting learning outcomes and strategies for teaching and assessment. Finally, concept mapping can used as a method for capturing tacit or institutional knowledge through the creation and organization of ideas and resources. Librarians can collaborate on concept maps with each other or with non-librarian colleagues to facilitate communication. Resulting maps can be published online and link to documentation and relevant resources. This paper provides an overview of the literature related to concept mapping in libraries. Concrete applications and examples of concept mapping for teaching and learning, designing, and organizing in library settings are then elaborated. The authors draw from their own success and experience with different concept mapping methods and software programs.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,168 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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