MétaCan
Menu
Retour à la cohorte
Enregistrement W2148250210 · doi:10.1080/09500693.2013.778438

Changing the Metacognitive Orientation of a Classroom Environment to Stimulate Metacognitive Reflection Regarding the Nature of Physics Learning

2013· article· en· W2148250210 sur OpenAlexaff
Gregory P. Thomas

Notice bibliographique

RevueInternational Journal of Science Education · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueScience Education and Pedagogy
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMetacognitionMathematics educationPhysics educationReflection (computer programming)Science educationStyle (visual arts)Active learning (machine learning)Experiential learningPsychologyPhysicsCognitionComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Problems persist with physics learning in relation to students' understanding and use of representations for making sense of physics concepts. Further, students' views of physics learning and their physics learning processes have been predominantly found to reflect a ‘surface’ approach to learning that focuses on mathematical aspects of physics learning that are often passed on via textbooks and lecture-style teaching. This paper reports on a teacher's effort to stimulate students' metacognitive reflection regarding their views of physics learning and their physics learning processes via a pedagogical change that incorporated the use of a representational framework and metaphors. As a consequence of the teacher's pedagogical change, students metacognitively reflected on their views of physics and their learning processes and some reported changes in their views of what it meant to understand physics and how they might learn and understand physics concepts. The findings provide a basis for further explicit teaching of representational frameworks to students in physics education as a potential means of addressing issues with their physics learning.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,037
Tête enseignante GPT0,408
Écart entre enseignants0,371 · 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 source (Gemma direct ou Codex distillé), 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

Citations49
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Science EducationMême sujetScience Education and PedagogyTravaux en français237 207