MétaCan
Menu
Retour à la cohorte
Enregistrement W2254325402

Technology and Education: A Primer

2013· article· en· W2254325402 sur OpenAlex
Lance Izumi, Frazier Fathers, Jason Clemens

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueSSRN Electronic Journal · 2013
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensFraser Institute
Organismes subventionnairesnon disponible
Mots-clésPaceSet (abstract data type)Computer scienceProcess (computing)Mathematics educationTUTORAdaptive learningSoftwareKey (lock)Intervention (counseling)MultimediaPsychologyArtificial intelligenceComputer security
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

For all intents and purposes, we educate our children in much the same way as we did a century ago. Despite our stubborn attachment to an instructional model from a bygone era, technology is set to revolutionize the learning process. Examples include interactive lessons that adapt to a specific student’s learning style to lectures taught by a single professor to tens of thousands of students around the world who are enrolled in Massive Open Online Courses (MOOCs). Such innovations have the potential to radically alter the nature of learning.Adaptive technology is defined as software that learns and alters itself based on the user’s inputs, while allowing for interaction with a broad base of learning styles. Adaptive technology software fills the role of the coach/tutor.Should this technology be adopted in classrooms, it holds the potential for changing a teacher from a “one-size-fits-all” instructor to an individual learning coach. Using adaptive technology, students can learn material through an avenue of their choosing and at the pace that best suits them; when they encounter a difficulty, the teacher can step in and coach them past the problem individually or in a small group, while their classmates continue. In many cases the software is becoming advanced enough to recognize when the student is struggling, and is capable of pre-empting the need for intervention by the teacher.Two key areas of adaptive learning require additional research in Canada. First, we need better quantitative, empirical research about the benefits of adaptive technology and its successful implementation and use. The second area pertains to policy barriers for the introduction of adaptive technology. Other questions, such as the cost of potential technologies, teacher training, and quality control, are also relevant.Adaptive technology can have a big impact on homeschooling and education in remote communities where educational options are limited. The ability to bring into a single classroom those who suffer from substandard educational options or who currently learn outside of the traditional education system, is an obvious area for additional research.

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
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: Empirique
Score de désaccord entre enseignants0,474
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,003
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 Opus0,012
Tête enseignante GPT0,341
Écart entre enseignants0,329 · 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