MétaCan
Menu
Retour à la cohorte
Enregistrement W2295893887 · doi:10.1080/14729679.2016.1147966

‘You want us to teach outdoor education where?’ Reflections on teaching outdoor education online

2016· article· en· W2295893887 sur OpenAlexfundno aff
Heidi Smith, Janet Dyment, Allen Hill, Jillian Downing

Notice bibliographique

RevueJournal of Adventure Education & Outdoor Learning · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueOutdoor and Experiential Education
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of TasmaniaLakehead UniversityUniversity of Otago
Mots-clésExperiential learningPedagogyOutdoor educationSpace (punctuation)PsychologyPerceptionEducational technologySociologyExperiential educationOpen learningQuality (philosophy)SustainabilityHigher educationTeaching methodCooperative learningPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

This article reports on the experiences of two lecturers working at the University of Tasmania required to teach outdoor and sustainability education (O&SE) courses online. Using an (auto)ethonographic case-study approach, the lecturers were interviewed with a view to exploring their perceptions, challenges, ethical dilemmas, tensions, opportunities and experiences in this space. A number of themes emerged, including commitment to quality teaching and learning, the role of experience, and experiential learning, in the online space, the challenge of fostering a connection to place, difficulties faced when trying to develop a learning community, and the role of professional learning and support in terms of pedagogy and technology in the online space. These themes, and their implications for teaching and learning in higher education both generally, and specifically in O&SE, are discussed in light of what is a mounting body of literature exploring the move to online delivery in higher education.

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)0,005
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,012
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,012
Communication savante0,0060,003
Science ouverte0,0020,007
Intégrité de la recherche0,0030,008
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,401
Écart entre enseignants0,381 · 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

Citations17
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Adventure Education & Outdoor LearningMême sujetOutdoor and Experiential EducationTravaux en français237 207