MétaCan
Menu
Retour à la cohorte
Enregistrement W2128767401 · doi:10.5430/ijhe.v3n2p141

Fostering Multimedia Learning with Collaborative Concept Mapping: The Effect of Cognitive Aid on Performance and on Collaboration

2014· article· en· W2128767401 sur OpenAlexvenueno aff
Santiago Roger Acuña, Gabriela López Aymes, Carlos Sergio López Medrano

Notice bibliographique

RevueInternational Journal of Higher Education · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesSecretaría de Educación Pública
Mots-clésConcept mapTask (project management)Collaborative learningComputer scienceCognitionKey (lock)Quality (philosophy)MultimediaComputer-supported collaborative learningKnowledge managementHuman–computer interactionPsychologyEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper analyzes the use of collaborative concept maps in multimedia learning tasks. Specifically, the effect of a cognitive aid (providing students a list of main concepts to generate a concept map) on the performance of collaborative concept mapping and on the level of collaboration in this task is discussed. The study was carried out with 57 university students, grouped into 19 triads, assigned to one of two conditions: with and without the support of a list of key concepts. It was found that the first condition promoted higher quality concept maps; however, the cognitive aid did not have significant effect on the levels of collaboration perceived by the team members. In the discussion and conclusions, the implications of these results for the design and implementation of collaborative interventions based on the use of technological tools and concept mapping are pointed out.

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)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,831
Score d'incertitude au seuil0,293

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,000
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 Opus0,026
Tête enseignante GPT0,384
Écart entre enseignants0,358 · 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'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

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Higher EducationMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207