MétaCan
Menu
Retour à la cohorte
Enregistrement W1910974443 · doi:10.29173/mruer111

Inquiry based learning and technology, negative or positive?

2014· article· en· W1910974443 sur OpenAlexaffvenueabout
Rebecca Medeiros

Notice bibliographique

RevueMount Royal Undergraduate Education Review · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensMount Royal University
Organismes subventionnairesnon disponible
Mots-clésInquiry-based learningMathematics educationTechnology integrationPsychologyPedagogyEducational technology

Résumé

récupéré en direct d'OpenAlex

In this research paper, the conflicts with the implementation of inquiry based learning and digital technology into an elementary school setting are explored. They are investigated under the grounds of an inquiry-based research study conducted mainly through online surveys. This survey was important because there were two deployed: one to current teachers and one to future teachers. The aim was to discover what conflicts teachers were having with inquiry based learning and whether or not technology was a negative or a positive attribute with the implementation of inquiry based learning (IBL). Also, I wanted to discover what future educators think about their future teaching roles and whether or not they will use digital technologies to help with IBL in the classroom. The participants were Mount Royal University Education students as well as K-9 teachers and staff throughout several schools in Calgary, Alberta. Analysis from the surveys and written responses will document the practicing teacher and future teacher perspectives on inquiry based learning through digital technologies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,925
Score d'incertitude au seuil0,823

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,394
Écart entre enseignants0,365 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations1
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMount Royal Undergraduate Education ReviewMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207