Discourse Patterns at Laboratory Practices and the Co-Construction of Knowledge by Applying SDIS-GSEQ
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
<p class="apa">The purpose of this study is to analyze the discourse through IRE (Intervention-Response-Evaluation) in the co-construction of knowledge of Biology students during laboratory practices by applying the SDIS-GSEQ software to assess IRE discourse patterns developed during the same. The study group consisted of second semester students of the Bachelor’s Degree in Biology from the Facultad de Estudios Superiores Iztacala, UNAM. This process included audiovisual records of the practice, the creation of an instrument where a categories system and verbal sub-systems are put together with sub-categories to be defined based on the discourse and IRE structure; then this audiovisual records and the obtained category pattern were used to apply the SDIS-GSEQ software which was in charge of establishing the category sequences created in the interaction between teachers and students during the practice. The obtained results show IRE discourse patterns demonstrating that students prefer to use reproducible and dependent practice manual structures, instead of thoughtful and non-cognitive structures where their knowledge about the practice content is involved; the study also demonstrates that the SDIS-GSEQ software is a useful tool for the research of these patterns. Therefore, we propose to modify the IRE structure in order to create better conditions in the construction of knowledge between students and teachers by using a IRF (Initiation-Response-Feedback) pattern leading to feedback, negotiation and co-construction of knowledge so as to improve the Teaching-Learning process during laboratory practices.</p>
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 | 0,001 | 0,004 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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