Models for Building Knowledge in a Technology-Rich Setting: Teacher Education
Notice bibliographique
Résumé
Technology offers promising opportunities for creating new types of classroom learning environments. This paper describes three technology models used by teacher education interns: electronic portfolios, negotiative concept mapping, cognote-supported electronic discussions. As implemented in the current study, these models invoke graduated attributes of knowledge building and as such serve as a useful continuum of examples of the potential of technology to assist in promoting progressive knowledge construction. A description of the models is followed by a discussion of the relationship of these classrooms to Knowledge-Building principles. Résumé La technologie offre des possibilités prometteuses pour la création de nouveaux types d’environnements d’apprentissage en classe. Le présent article décrit trois modèles technologiques utilisés par les stagiaires en enseignement : portfolios électroniques, cartographie conceptuelle de négociation, discussions électroniques avec codage. Tels que mis en œuvre dans le cadre de la présente étude, ces modèles font appel à des attributs hiérarchiques de coélaboration des connaissances et constituent donc en eux-mêmes un continuum utile d’exemples illustrant comment la technologie peut aider à encourager l’élaboration progressive des connaissances. Une description des modèles est suivie d’une discussion portant sur la relation de ces classes avec les principes de coélaboration des connaissances.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».