MétaCan
Menu
Retour à la cohorte
Enregistrement W2120665767 · doi:10.1111/j.1467-8535.2006.00655.x

Flatbrain spreadsheets: Mindtool outside the box?

2006· article· en· W2120665767 sur OpenAlex
Claude Lamontagne, François Desjardins, Michèle Bénard

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueBritish Journal of Educational Technology · 2006
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience, Education and Cognitive Function
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésCompetence (human resources)PerceptionComputer scienceContext (archaeology)BlueprintSet (abstract data type)Cognitive scienceViewpointsCognitionPsychologyHuman–computer interactionNeuroscience

Résumé

récupéré en direct d'OpenAlex

Abstract Managing the pedagogical aspects of the ‘computational turn’ that is occurring within the Humanities in general and the disciplines associated with cognitive science and neuroscience in particular, first implies facing the challenge of introducing students to computation. This paper presents what has proven to be an efficient approach to bringing undergraduate Humanities students to reach insight into the nature of computation and its bearing on reflecting upon the mind in general, and the brain in particular. It is set within the context of a course on the topic of sensory perception featuring a laboratory component aimed at guiding students to develop neuronal networking skills. In this course, students are asked to design, test and discuss the neurophysiological, psychological and philosophical implications of the neuronal blueprints of a virtual creature’s brain which they are challenged to ‘wire’ themselves in such a way as to allow it to ‘see the world’ within which they choose to place it. The insight on which we are reporting here is simply that a basic competence in using a spreadsheet application is all that is required to allow implementing and testing of virtual brains made of basic formal neurones, bringing the miracle of computer simulation within the reach of even the most computer‐shy undergraduates. Once introduced to basic neuronal networks (two 90‐minute laboratory sessions), two laboratory sessions are sufficient to bring groups of up to some 50 undergraduates to manipulate the basic spreadsheet operations successfully and understand how virtual brains consisting of basic formal neurones can be implemented in terms of these basic spreadsheet operations. It is the ‘flattening’ to which the virtual (formal neuronal) brains are thus subjected, as they are turned into spreadsheets that led to coining the concept of a ‘flatbrain spreadsheet’. The students are then challenged to develop and implement their very own virtual creature’s flatbrain spreadsheets, and gently tutored into noticing the key problems out of which arise the great debates in cognitive science about such issues as consciousness, qualia, categorisation, induction, computational explanation and the like. Empirical evidence gathered over the course of the last 6 years strongly suggests that the construction of flatbrain spreadsheets by students does make a difference in the classroom.

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.

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)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,151
Score d'incertitude au seuil0,585

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,267
Écart entre enseignants0,253 · 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