The Use of Metapatterns for Research into Complex Systems of Teaching, Learning, and Schooling— Part I: Metapatterns in Nature and Culture
Notice bibliographique
Résumé
We justify the concept of metapatterns as functional patterns or functional principles that are common to a large set of systems that encompass both biology and culture, by starting with the fact that evolved systems, whether biological or cultural, are produced from any iterative sequence of replication, variation, and selection. Therefore the systems that result, with specific functional parts, are formed as wholes that fit particular contexts. The principle of convergence in biological evolution, in which similar structures are independently evolved, is the model that can be extended even beyond biology. If the contexts of evolved systems across widely separated scales are similar, the resulting evolved systems can exhibit convergences that themselves occur at diverse scales. These grand convergences are the metapatterns. For example, the functional advantage of dynamically separating systems from their environments sets the context for the evolution of the metapattern of borders across various scales. We outline fifteen additional examples of metapatterns. We also examine the correspondences and differences between metapatterns as a multi-scale approach to systems and the approach from complexity science. We suggest that metapatterns could serve as tools for thinking about a diverse range of topics, and could thereby motivate the transference of generalizations. Finally, we propose that because metapatterns are employed in human thought, they will be useful in formulating new questions for education research, which is the subject of the companion paper.
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 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 | 0,005 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».