MétaCan
Menu
Retour à la cohorte
Enregistrement W2229924428

Developing Skills through Informal Learning in a Playful Way

2009· article· en· W2229924428 sur OpenAlexaff
Madhumita Bhattacharya

Notice bibliographique

RevueEdMedia: World Conference on Educational Media and Technology · 2009
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésInformal learningPsychomotor learningExperiential learningKnowledge managementCooperative learningLearning environmentEducational technologyThe InternetCollaborative learningLearning sciencesNatural (archaeology)PsychologyCognitionComputer sciencePedagogyTeaching methodWorld Wide Web
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Learning and playing is natural to children. Children develop cognitive and psychomotor skills through different types of games and activities as they go through different stages of development. Learning by playing is always take place in informal setup. With the emerging technologies and improvements in existing technologies it is possible to provide environment for deep learning and opportunities for collaborative construction of knowledge. In this paper the author will suggest development of a learning environment where children can develop different skills by working on co-operative projects and sharing information with others. These types of projects could be extended by involving community members and by seeking information from experts using the internet. Author will also discuss the strategies for designing assessment and measuring learning outcomes in such informal learning setup.

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)0,001
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: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,612
Score d'incertitude au seuil0,918

Scores Codex et Gemma par catégorie

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

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 Opus0,051
Tête enseignante GPT0,373
Écart entre enseignants0,322 · 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

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEdMedia: World Conference on Educational Media and TechnologyMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207