MétaCan
Menu
Retour à la cohorte
Enregistrement W2074503693 · doi:10.1080/19388070609558452

Literature‐based collaborative internet projects in elementary classrooms

2006· article· en· W2074503693 sur OpenAlexaboutno aff
Rachel Karchmer‐Klein, Victoria Layton

Notice bibliographique

RevueReading Research and Instruction · 2006
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLiteracy, Media, and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThe InternetCurriculumPsychologyMathematics educationLiteracyCollaborative learningPedagogyWorld Wide WebComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract The purpose of this study was to examine teachers' use of literature‐based collaborative Internet projects (CIP) in their elementary classrooms. These practices require two or more classrooms to read and analyze texts on specified topics and then share responses over the Internet. The participants, all female, represented 15 different U.S. states as well as Canada and Australia. Three types of data were collected and analyzed including electronic surveys, semi‐structured email interviews, and project websites. Results indicated that teachers' pedagogical beliefs led to the introduction of CIP. Specifically, teachers reported the projects provided opportunities to foster learning by helping students (1) make connections between new content and their background knowledge, (2) actively participate in their own learning, and (3) recognize and appreciate differences among their peers. Teachers also reported CIP supported literacy curriculum standards. Finally, data indicated differences in how CIP were implemented across grade levels. In light of the study's results, four lessons are shared along with educational and research implications.

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)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,454
Score d'incertitude au seuil0,433

Scores Codex et Gemma par catégorie

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

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 Opus0,049
Tête enseignante GPT0,312
Écart entre enseignants0,263 · 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.

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

Citations8
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReading Research and InstructionMême sujetLiteracy, Media, and EducationTravaux en français237 207