MétaCan
Menu
Retour à la cohorte
Enregistrement W2273885776 · doi:10.14434/josotl.v16i1.19190

Classroom Re-design to Facilitate Student Learning: A Case Study of Changes to a University Classroom

2016· article· en· W2273885776 sur OpenAlexafffund
Tom Perks, Doug Orr, Elham Al-Omari

Notice bibliographique

RevueJournal of the Scholarship of Teaching and Learning · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Environments and Student Outcomes
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesUniversity of Lethbridge
Mots-clésPerceptionSpace (punctuation)PsychologyMathematics educationLearning environmentData collectionPhysical spaceTeaching methodFocus groupClassroom designRelevance (law)Affect (linguistics)PedagogyComputer scienceCommunication

Résumé

récupéré en direct d'OpenAlex

This case study examines the physical aspects of a particular university classroom, and what affect specific changes to the classroom had on the perceptions of students, instructors and observers regarding the room as an effective learning space. We compare survey and focus group data collected from students taking courses in the classroom prior to changes to the physical environment with comparable data from students taking courses in the same classroom after specific changes had been made. Immediately following changes to the classroom, notable increases were observed in reported perceptions of student satisfaction with the physical environment, including perceptions of the classroom as a more effective and engaging learning space. Similar perceptions of improvement as a teaching-learning space were reported by instructors and observers. However, subsequent follow-up data collection and analyses suggested little if any sustained increase in perceptions of efficacy of the room as a learning space; indeed, most reported variables returned to baseline levels. The implications of these findings and their relevance to classroom design nevertheless may provide insight regarding the manner in which physical space might support or even enhance teaching and learning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,004
Communication savante0,0030,002
Science ouverte0,0040,004
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,093
Tête enseignante GPT0,349
Écart entre enseignants0,256 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations27
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the Scholarship of Teaching and LearningMême sujetEducational Environments and Student OutcomesTravaux en français237 207