TURNING A NEGATIVE INTO A POSITIVE WITH MODERN ELECTRONIC TECHNOLOGIES
Notice bibliographique
Résumé
In today’s society, electronic devicesrepresent an important part of the cultural fabric, especiallyfor the younger generation. Professors and lecturersteaching at post-secondary levels express concern whenstudents appear to be more interested in electronic devicesthan the content being presented in the classroom. Thesedevices permit the student to locate small snippets of dataand information leaving them largely incapable ofintegrating this data into comprehensive concepts. Anotherdrawback of using modern electronic devices in theclassroom relates to their misuse during examinations. Theargument from an educator’s perspective is: suppressionversus celebration, as electronic devices assume aubiquitous place and role in the classroom. Unable toeffectively compete with the apparent entertainment valueof iPods, iPads, cell phones and laptops, educators andpolicy makers enact a range of measures designed toenforce student engagement during class time. Institutionalresponses to the use of electronic devices include: policylanguage enshrined in course outlines, bans on suchdevices and confiscation of offending devices. Conversely,given that every conceivable subject is available via theinternet, these electronic tools are effective in ‘bringing theworld into the classroom’. This paper explores and presentsactionable strategies that educators can employ to leveragethe power of electronic devices in stimulating students’participation during classroom delivery. Based onliterature search, personal experience and field interviews,suggested best practices are advanced for the enhancementof the learning environment (both lecture and lab) in thepursuit of improved learning outcomes. The paper will alsopresent the limitations and drawbacks in the use of thesedevices.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».