MétaCan
Menu
Retour à la cohorte
Enregistrement W2109927090 · doi:10.29173/mruer117

The benefits and drawbacks of using technology in outdoor education

2014· article· en· W2109927090 sur OpenAlexaffvenue
Lauren Midgley

Notice bibliographique

RevueMount Royal Undergraduate Education Review · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueOutdoor and Experiential Education
Établissements canadiensMount Royal University
Organismes subventionnairesnon disponible
Mots-clésOutdoor educationCharterTechnology educationPsychologySubject (documents)Medical educationPedagogySociologyComputer sciencePolitical scienceMedicineLibrary science

Résumé

récupéré en direct d'OpenAlex

This research study was designed to investigate teacher and student perspectives on using technology in outdoor education (OE) classes. I wanted to research this topic because I am passionate about physical and outdoor education and was curious to see how technology can be used in OE without taking away from the students’ relationship with their natural surroundings. I think technology can be very beneficial in any subject if used properly and not overused. I created a survey with Google Forms and sent it to education students, education professors, and attendees at the YYC Outdoor Education Networking Day at Connect Charter School on February 10th 2014. Many people who completed the survey said that technology, such as GPS units and computers, can be useful to help students research the outdoors and create projects. I also found that many people believe technology can be a distraction in OE. Overall there are many benefits and drawbacks to using technology in outdoor education.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,850
Score d'incertitude au seuil0,532

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,012
Tête enseignante GPT0,359
Écart entre enseignants0,346 · 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'étudeSans objet
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

Citations6
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMount Royal Undergraduate Education ReviewMême sujetOutdoor and Experiential EducationTravaux en français237 207