MétaCan
Menu
Retour à la cohorte
Enregistrement W2062498979 · doi:10.1080/07294360.2013.777033

Use and evaluation of a technology-rich experimental collaborative classroom

2013· article· en· W2062498979 sur OpenAlexaff
Diane Salter, David L. Thomson, Bob Fox, Joy Lam

Notice bibliographique

RevueHigher Education Research & Development · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueExperimental Learning in Engineering
Établissements canadiensKwantlen Polytechnic University
Organismes subventionnairesnon disponible
Mots-clésSpace (punctuation)Professional developmentCollaborative learningStudioPhysical spaceMathematics educationEngineeringComputer sciencePsychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

In order to pilot a shift towards greater use of collaborative learning in our higher education programs, the University of Hong Kong has invested in the development of a prototype technology-enhanced collaborative learning space. The space was created by retrofitting a vacant studio, turning it into an innovative classroom space in which collaborative learning is promoted and facilitated both through the provision of technology and by the physical layout of the room. We have used the space to pioneer collaborative learning both by holding professional development workshops for faculty in the room and also by helping academic staff to run experimental courses in the learning space. The opportunity to offer professional development and support for academic staff in this environment is particularly valuable as it ensures they do not simply deliver traditional didactic lectures in a space designed to promote interactive student learning and engagement. By using the space as a ‘student’ they are able to consider how they may use collaborative learning environments with their students. This paper describes use of the room for professional development of academic staff and also provides two examples of the use and evaluation of the room by faculty who used the room to teach experimental classes.

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)0,008
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,022
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0030,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,042
Tête enseignante GPT0,361
Écart entre enseignants0,319 · 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'étudeObservationnel
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

Citations26
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHigher Education Research & DevelopmentMême sujetExperimental Learning in EngineeringTravaux en français237 207