Promisingness Judgments as Facilitators of Knowledge Building
Notice bibliographique
Résumé
Abstract: Knowledge creation depends on pursuit of promising possibilities. This paper reports a case study of a graduate-level course, with promisingness judgments incorporated as an explicit goal of course work. The top-level goal for the course was to have students take collective responsibility for “the creation of an assessment of collaborative knowledge creation. ” This paper presents the pedagogical design of the course, describes technological affordances to support promisingness judgments, and discusses preliminary findings. Promisingness Judgments in Knowledge Building Whether it is industrial designers working on a new product, scientists planning the next experiment in a research program, or policy-makers planning social legislation, decisions must be made about the investment of resources and effort in further development of ideas. “Ideas are the easy part, ” says a high-profile design group (Fahrenheit 212, 2010), noting that ideas are usually in abundant supply. Going from an initial idea to an innovation, however, requires time and effort, and calls for evaluation about the potential fruitfulness of ideas in an uncertain future. Bereiter and Scardamalia (1993) refer to such evaluations as “promisingness judgments” and have argued that they play an essential role in creative expertise. In explaining creative processes, Gardner (1994) also describes the process of identifying promising ideas as bringing out “discrepant elements ” and
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,111 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».