Interactive Field Site Visits Can Help Students Translate Scientific Studies into Contextual Understanding
Notice bibliographique
Résumé
ABSTRACT This article describes how the interactive learning methods employed during a short (1.5 h) class visit to a nearby stream engaged undergraduate students in their own exploration of riparian ecology. We describe how the use of a published field study conducted at this stream site served as an effective learning tool to help students contextualize ecological research-based findings. During the outing, students worked in groups using a “stream station worksheet” and participated in facilitated discussions to relate their observations to the findings of the published field study. An anonymous survey of students Opinions after the site visit revealed positive responses, reflecting success in achieving the desired learning objectives. We discuss how the site visit has been enhanced from previous years to increase effective student learning and how this type of activity could be applied to other ecology or fisheries courses by utilizing appropriately chosen local research. RESUMEN En este artículo se describe cómo la aplicación de métodos interactivos de aprendizaje, durante visitas guiadas en clase (1.5 h de duración) a un arroyo natural, capta la atención de los estudiantes de licenciatura en cuanto a su capacidad de exploración de la ecología ripariana. Se describe también cómo una publicación sobre un estudio realizado en el sitio visitado, sirve como una herramienta efectiva de aprendizaje para ayudar a los estudiantes a poner en contexto los resultados del estudio ecológico. Durante la excursión, los estudiantes trabajaron en grupos usando hojas de referencia con estaciones de muestreo y participaron a través de discusiones en las que relacionaban sus observaciones con los resultados encontrados en el estudio. Un sondeo de opiniones anónimas aplicado a los estudiantes después de la salida de campo, reveló que las respuestas reflejaron el cumplimiento exitoso de los objetivos de aprendizaje. Se discute cómo las salidas de campo han ido mejorando en el tiempo en cuanto a la efectividad en el aprendizaje de los estudiantes, y cómo este tipo de actividades pudieran aplicarse a otros cursos de ecología y pesquerías, utilizando investigaciones locales.
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 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 | 0,001 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».