Moving Toward a Universal Design for Learning Mindset: A Case Study Transforming a Pre-Service Teacher Field
Notice bibliographique
Résumé
Contemporary learning in higher education embraces an array of instructional strategies and approaches, including online and blended learning. Blended learning involves between 30-79 percent of the class occurring in an online environment (Allen & Seaman, 2013). As we design and develop online and blended learning environments, consideration needs to be given to the three principles of Universal Design for Learning (UDL): 1) “provide multiple means of engagement”; 2) “multiple means of representation”; and 3) “provide multiple means of action and expression” (p. 89). The integration of UDL principles in learning helps to facilitate motivation, persistence, self-regulation, personalization of learning, and learning community participation (Meyer et al., 2014). In this interactive session, we will share a UDL approach that conceptualized a framework for planning, implementing, and assessing a University of Calgary blended learning approach used for a pre-service teacher education field experience course. The participants of the session will engage in a discussion focused on the following questions: 1) What factors influence the shift of using UDL principles in designing online and blended learning; and 2) What key strategies support the implementation of UDL principles in online and blended learning environments (i.e., design, develop, and evaluate)? The aim of this session is to examine of how principles of UDL enhance learning for all students in online and blended environments.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».