MétaCan
Menu
Retour à la cohorte
Enregistrement W2225083638 · doi:10.1564/174427114838794307

Systemic Shifts in Instructional Technology: Findings of a Comparative Case Study of Two University Mathematics Departments

2014· article· en· W2225083638 sur OpenAlexaffabout
Daniel H. Jarvis, Zsolt Lavicza, Chantal Buteau

Notice bibliographique

RevueInternational Journal for Technology in Mathematics Education · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensBrock UniversityNipissing University
Organismes subventionnairesnon disponible
Mots-clésMathematics educationPsychology

Résumé

récupéré en direct d'OpenAlex

This paper reports on the findings of an international case study in which researchers examined two mathematics departments (Canada/UK) in which the sustained use of technology was strategically established in a mathematics degree program. This case study forms part of a larger research initiative which involved an extensive literature review (Marshall, Jarvis, Lavicza and Buteau, 2012) and a national survey of Canadian Mathematicians (Buteau, Jarvis and Lavicza, 2014). Findings from the case study indicate that sustained implementation at the departmental level requires a unique combination of key factors such as: a dedicated core group led by a committed advocate in a position of influence/power; a strong and shared incentive for change; strategic hiring processes; an administration which supports creative pedagogical reform and wellconsidered risk-taking; and, a continuous and determined revisiting of the original vision and purpose. Significant challenges to implementation and sustained program development, with specific examples, are also discussed.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,632
Score d'incertitude au seuil0,374

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,028
Tête enseignante GPT0,393
Écart entre enseignants0,365 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations5
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Technology in Mathematics EducationMême sujetOnline and Blended LearningTravaux en français237 207