MétaCan
Menu
Retour à la cohorte
Enregistrement W2294700329 · doi:10.7202/1036112ar

Improving Students’ Understanding and Explanation Skills Through the Use of a Knowledge Building Forum

2016· article· en· W2294700329 sur OpenAlexaffvenue
Christine Hamel, Sandrine Turcotte, Thérèse Laferrière, Nicolas Bisson

Notice bibliographique

RevueMcGill Journal of Education / Revue des sciences de l éducation de McGill · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Strategies and Epistemologies
Établissements canadiensUniversité du Québec en OutaouaisUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésWarrantPsychologyPedagogyMathematics educationMedical educationMedicine

Résumé

récupéré en direct d'OpenAlex

Education research has shown the importance of helping students develop comprenehsion skills. Explanation-seeking rather than fact-seeking pedagogies have been shown to warrant deeper student understanding. This study investigates the use of Knowledge Forum (KF) in K-6 classrooms ( n = 251) to develop students’ explanation skills. To this end, we conducted pre- and post- activity interviews with students who used KF to investigate various topics. Their online collaborative discourse was also analyzed. Our results show that: 1) students’ explanations improved significantly between pre- and post-activity interviews, 2) active KF users scored higher than less active users on the post-activity interviews, and 3) students who had the best written explanations on KF scored much higher on the post-activity interviews even when they had scored much lower than less active students in the pre-activity interviews.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,596
Score d'incertitude au seuil0,704

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
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 Opus0,539
Tête enseignante GPT0,478
Écart entre enseignants0,061 · 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

Citations8
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMcGill Journal of Education / Revue des sciences de l éducation de McGillMême sujetEducational Strategies and EpistemologiesTravaux en français237 207