MétaCan
Menu
Retour à la cohorte
Enregistrement W1982651348 · doi:10.4195/jnrlse.2010.0032n

Integration of Problem‐Based Learning and Web‐Based Multimedia to Enhance a Soil Management Course

2011· article· en· W1982651348 sur OpenAlexaff
Rachel A. Strivelli, Maja Kržić, Chris Crowley, Saeed Dyanatkar, A. A. Bomke, Suzanne W. Simard, Andy Jakoy

Notice bibliographique

RevueJournal of natural resources and life sciences education · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueProblem and Project Based Learning
Établissements canadiensBritish Columbia Institute of TechnologyUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCurriculumComputer scienceTeaching methodWeb resourceCollaborative learningLearning environmentQuality (philosophy)Natural resourceTeamworkMathematics educationKnowledge managementPsychologyWorld Wide WebPedagogyEcology

Résumé

récupéré en direct d'OpenAlex

In an attempt to address declining enrollment in soil science programs and the changing learning needs of 21st century students, several North American universities have re‐organized their soil science curriculum and adopted innovative educational approaches and web‐based teaching resources. An interdisciplinary team set out to integrate teaching approaches to address this trend. The objective of this project was to develop a web‐based teaching tool, which combined a face‐to‐face problem‐based learning (PBL) case study with multimedia to illustrate the impacts of three land‐uses on soil transformation and quality. The Land Use Impacts (LUI) tool ( http://soilweb.landfood.ubc.ca/luitool/ ; verified 4 Oct. 2011) was a collaborative and concentrated effort to maximize the advantages of two educational approaches—the web's adaptability and accessibility, and PBL's capability to foster an authentic learning environment, apply core concepts, and encourage group work. The design of the LUI case study was guided by Herrington's development principles for web‐based authentic learning. The LUI tool presented students with rich multimedia (streaming videos, text, data, photographs, maps, and weblinks) and real world tasks (site assessment and soil analysis) to encourage students to utilize knowledge of soil science in collaborative problem‐solving. Preliminary student feedback indicated that the LUI tool conveyed case study objectives and was appealing to students. The tool is intended primarily for students enrolled in an upper level undergraduate/graduate university course titled Sustainable Soil Management, but it is flexible enough to be adopted for other natural resource courses.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,020
Tête enseignante GPT0,340
Écart entre enseignants0,320 · 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

Citations10
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of natural resources and life sciences educationMême sujetProblem and Project Based LearningTravaux en français237 207