Using Videoconferencing to Provide Mentorship in Inquiry-Based Urban and Rural Secondary Classrooms
Notice bibliographique
Résumé
The main purpose of this design-based research study is to examine the effects of an inquiry-based learning environment, with the support of videoconferencing, on both rural and urban secondary students’ mathematics and science learning. An important aspect of this learning environment is the use of videoconferencing to connect classes with mathematicians/ scientists (as e-mentors). Specifically, the following two research questions guide this study: (1) In what ways, if any, does the inquiry-based learning environment impact student beliefs and learning outcomes? (2) What challenges emerge in the development of an inquiry-based learning environment with secondary students in both rural and urban schools? Using a mixed methods approach, this study focuses on two grade 9 classes in an urban school and three Grade 8 classes in a rural school. The results suggest positive effects of this learning environment on student learning of math and science. In particular, both urban and rural students showed significant gains in their achievement. In addition, students showed an increased interest and heightened confidence in math and science. As well, the results point to issues arising from the process, suggesting useful guidelines for the development of such environments. Résumé : L’objectif principal de cette étude de recherche axée sur la conception est d’examiner les effets d’un environnement d’apprentissage basé sur le processus d’enquête et utilisant le soutien de la vidéoconférence sur l’apprentissage des mathématiques et des sciences auprès d’élèves du secondaire en milieux ruraux et urbains. L’utilisation de la vidéoconférence pour mettre les classes en lien avec des mathématiciens et des scientifiques (en tant que cybermentors) constitue un aspect important de cet environnement d’apprentissage. Plus précisément, les deux questions suivantes orientent la présente étude : (1) De quelle manière, le cas échéant, l’environnement d’apprentissage basé sur le processus d’enquête a-t-il un effet sur les croyances et les résultats d’apprentissage des élèves? (2) Quels défis émergent lors de la mise en place d’un environnement d’apprentissage basé sur le processus d’enquête auprès d’élèves du secondaire dans des écoles en milieux ruraux et urbains? Cette étude, qui utilise une méthode de recherche mixte, se concentre sur deux classes de 9e année dans une école urbaine et trois classes de 8e année dans une école rurale. Les résultats suggèrent que cet environnement d’apprentissage a des effets positifs sur l’apprentissage des mathématiques et des sciences par les élèves. En particulier, les étudiants des milieux urbains et ruraux ont affiché des gains significatifs dans leurs acquis scolaires. En outre, les élèves ont démontré un intérêt croissant pour les mathématiques et les sciences de même qu’une confiance accrue dans ces matières. Enfin, les résultats permettent également d’identifier certains éléments qu’il convient d’examiner relativement à ce processus et de suggérer des lignes directrices utiles pour la mise en place de tels environnements.
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 | 0,007 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».