MétaCan
Menu
Retour à la cohorte
Enregistrement W2156783608 · doi:10.5539/ibr.v3n3p233

A Brief Review on Developing Creative Thinking in Young Children by Mind Mapping

2010· review· en· W2156783608 sur OpenAlexvenueno aff
Wen-Cheng Wang, Chung‐Chieh Lee, Ying-Chien Chu

Notice bibliographique

RevueInternational Business Research · 2010
Typereview
Langueen
DomaineNeuroscience
ThématiqueNeuroscience, Education and Cognitive Function
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCreativityKinesthetic learningPsychologyReading (process)Cognitive psychologyRepresentation (politics)Character (mathematics)Presentation (obstetrics)Mind mapCognitive scienceGrammarStorytellingLinguisticsMathematics educationSocial psychologyNarrative

Résumé

récupéré en direct d'OpenAlex

Mind mapping is a presentation form of radiant thinking, utilizing lines, colors, characters, numbers, symbols, image, pictures or keywords, etc. to associate, integrate and visualize the learned concept and evoke brain potential. Through mind maps, one’s attention, coordination ability, logic, reasoning, thinking, analyzing, creativity, imagination, memory, ability of planning and integration, speed reading, character, number, visuality, hearing, kinesthetic sense, sensation, etc. are significantly enhanced. “Picture” is not limited by nationality and language and is the best tool for young children to explore new things and learning. Because pictorial representation is one of the most primal human traits and drawing ability is better than writing ability in young children, learning and expressing through mind mapping prevents difficulties of writing, grammar and long description in children. Thus, this study reviews related researches to figure out whether mind mapping can be applied by young children to develop their creative thinking.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

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 Opus0,176
Tête enseignante GPT0,448
Écart entre enseignants0,272 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations57
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetNeuroscience, Education and Cognitive FunctionTravaux en français237 207