MétaCan
Menu
Retour à la cohorte
Enregistrement W2156545511 · doi:10.1016/j.sbspro.2010.03.929

Does one-to-one access to laptops improve learning: Lessons from New Brunswick's individual laptop school initiative

2010· article· en· W2156545511 sur OpenAlexaffabout
Viktor Freiman, Jacinthe Beauchamp, Sylvie Blain, Nicole Lirette-Pitre, Hélène Fournier

Notice bibliographique

RevueProcedia - Social and Behavioral Sciences · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensNational Research Council CanadaUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésLaptopConstructiveMathematics educationComputer scienceProcess (computing)PsychologyMultimediaProgramming language

Résumé

récupéré en direct d'OpenAlex

A two-year study on the use of laptop computers by New Brunswick (Canada) grade 7–8 francophone students aimed to better understand the impact of laptops on learning. Two problem-based learning (PBL) interdisciplinary scenarios (math, science, language arts) were implemented in eight experimental classes to measure students’ learning process, particularly in terms of their ability to scientifically investigate complex problems, to reason mathematically, and to communicate. Based on our findings, we argue that laptops in themselves may not automatically lead to better results on standardized tests, but rather create opportunities for more open-ended, constructive, collaborative, reflective, and cognitively rich learning tasks.

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 candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,411
Score d'incertitude au seuil0,999

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 technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
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 Opus0,101
Tête enseignante GPT0,384
Écart entre enseignants0,283 · 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.

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

Citations9
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProcedia - Social and Behavioral SciencesMême sujetMobile Learning in EducationTravaux en français237 207