MétaCan
Menu
Retour à la cohorte
Enregistrement W2188669763 · doi:10.5860/crln.74.9.9011

MacEwan University Library’s pedagogical shift: Using active learning activities during first-year information literacy sessions

2013· article· en· W2188669763 sur OpenAlexaff
Lisa Shamchuk, Leah Plouffe

Notice bibliographique

RevueCollege & Research Libraries News · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensMacEwan University
Organismes subventionnairesnon disponible
Mots-clésInformation literacyLibrary instructionMathematics educationLibrary scienceComputer sciencePsychologyPedagogySociology

Résumé

récupéré en direct d'OpenAlex

A rising from K-12 education, the peda- gogical concept of active learning is becoming more and more commonplace in face-to-face library Information Literacy (IL) sessions.MacEwan University Library decided to update IL sessions to incorporate active learning activities, a decision which not only benefitted the engagement of students and faculty, but the librarians as well. Active learningActive learning refers to a student-centered instruction method that focuses on having students actively participate in the learning process through activities such as group discussion, investigation, experimentation, or role play.This pedagogical technique helps to increase student interest, engagement, and learning by allowing them to express their questions, idea, and opinions.1 With active learning, the librarian acts less like a lecturer dispensing information and more like a facilitator of critical thinking and reflective learning, helping to develop students' IL skills while promoting essential collaboration between the library and faculty.The librarian becomes less of a focal point, and is able to move through the classroom and assist students, who are given greater opportunity to participate and exercise their skills.Active learning is an approach that recognizes a variety of learning styles and offers instructors multiple ways of reaching learners

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)0,005
score de la tête « metaresearch » (Gemma)0,010
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,001
Communication savante0,0050,004
Science ouverte0,0030,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,003

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 Opus0,070
Tête enseignante GPT0,362
Écart entre enseignants0,293 · 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
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

Citations7
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCollege & Research Libraries NewsMême sujetOnline and Blended LearningTravaux en français237 207