Designing Interfaces that Stimulate Ideational Super-fluency
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
Current graphical keyboard and mouse interfaces are better suited for handling mechanical tasks, like email and text editing, than they are at supporting focused problem solving or complex learning tasks. One reason is that graphical interfaces limit users’ ability to fluidly express content involving different representational systems (e.g., symbols, diagrams) as they think through steps during complex problem solutions. We asked: Can interfaces be designed that actively stimulate students’ ability to “think on paper,” including providing better support for both ideation and convergent problem solving? In this talk, we will summarize new research on the affordances of different types of interface (e.g., pen-based, keyboard-based), and how these basic computer input capabilities function to substantially facilitate or impede people’s ideational fluency. We also will show data on the relation between interface support for communicative fluency (i.e., both linguistic and non-linguistic forms) and ideational fluency. In addition, we’ll discuss the relation between interface support for active marking (i.e., both formal structures like diagrams, and informal ones such as “thinking marks”) and successful problem solving. Finally, we’ll present new data on interfaces that improve support for learning and performance in lower-performing populations, and we will discuss how these new directions in interface media could play a role in improving their education and minimizing the persistent achievement gap between low- versus high-performing groups
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 | 0,003 | 0,002 |
| 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 | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle