MétaCan
Menu
Retour à la cohorte
Enregistrement W1884051522 · doi:10.18357/tar41201312703

iPads on Practicum: Perspective of a Student-Teacher

2013· article· en· W1884051522 sur OpenAlexvenueno aff
Jamie Elbert, Jillianne Code, Valerie Irvine

Notice bibliographique

RevueThe Arbutus Review · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPracticumPedagogyLiteracyCitizen journalismAction researchMathematics educationUnit (ring theory)Perspective (graphical)Participatory action researchTeacher educationPsychologySet (abstract data type)SociologyMedical educationComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Educators are embracing technology as a key to transforming learning for the 21st century. As the 21st century learning movement emphasizes the development of skills that are seen as uniquely relevant to the modern world, in the educational community, many are looking to technology, such as tablets, as a tool to modernizing classrooms. This research presents a case study of a participatory action research project, where participants provide input into the research process, examining the experiences of a secondary education level student-teacher implementing iPads during practicum. For two weeks, the student teacher integrated a set of 22 iPads into a grade ten Media Literacy unit. Qualitative data from the teacher’s daily blog and a post-practicum interview revealed six main themes in two categories: Teacher Impacts (Planning and Curricular Design, Delivery, Practicum Experience) and Student Impacts (Classroom, Learning Outcomes, Learning Experience). While generalizations to other English Language Arts (ELA) classes cannot be made, the results of this pilot study suggest that tablet technology has the potential to aid the transition to 21st century learning at the secondary level, and warrants further research and attention.

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)0,005
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0060,004
Communication savante0,0070,005
Science ouverte0,0010,005
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,356
Écart entre enseignants0,326 · 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

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Arbutus ReviewMême sujetMobile Learning in EducationTravaux en français237 207