MétaCan
Menu
Retour à la cohorte
Enregistrement W2017365152 · doi:10.3991/ijim.v7i3.2888

Using Mobile Technology for Fostering Intellectual Engagement

2013· article· en· W2017365152 sur OpenAlexaff
Armando Paulino Preciado Babb, Candace Saar, Chenoa Marcotte, Jim Brandon, Sharon Friesen

Notice bibliographique

RevueInternational Journal of Interactive Mobile Technologies (iJIM) · 2013
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésStudent engagementSet (abstract data type)Mobile deviceThe artsMathematics educationPsychologyPedagogyComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Student engagement, and in particular intellectual engagement, has been identified as a key factor in learning at the high school level. While this type of engagement has an impact on student learning in fields related to science, technology, engineering and mathematics (STEM), it also has a positive impact on the learning of other disciplines such as English, Fine Arts, and Social Sciences. This report describes a set of projects co-designed by teachers and education specialists aimed at engaging students intellectually in each major high school subject area. Student use of mobile technologies, in this case the iPad2, features prominently in each of these projects. Interviews with teachers and students were conducted in order to identify evidence of intellectual engagement, as well as studentsâ?? interactions with the mobile device. Data from a survey was also used to identify the level of engagement of students involved in these projects.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,888
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,081
Tête enseignante GPT0,409
Écart entre enseignants0,328 · 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.

Devis d'étudeAutre devis
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

Citations5
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Interactive Mobile Technologies (iJIM)Même sujetEducational Games and GamificationTravaux en français237 207