ICT facilitating learning for all : investigating how interactive whiteboards can support teaching and learning for diverse learners in an elementary, language arts classroom
Notice bibliographique
Résumé
Changing information and communication technologies (ICT) are radically altering how people navigate their world. Our students are adept at sending emails, texting friends and surfing the World Wide Web, but only within the last five to ten years have schools begun to improve the ICT available to them. As new ICT are incorporated into schools, it is important for educators to understand how to utilize their capabilities. Recently, Vancouver schools have begun to purchase interactive whiteboards (IWB). Initial observations from teachers reveal that it seems like student engagement is increasing with IWB use. Perhaps more important is the question is teaching and learning shifting in response to IWB capabilities? Current research discusses the IWBs multimodal potential, including visual, auditory and tactile, that support student's learning. In addition, the research shows that teachers need a certain level of technological competency in order to fully incorporate these learning modalities and maximize the interactivity. This interactive nature has the potential to support our students' meaning making process in language arts by supporting critical literacy strategies, multi-literacies and reader response theory. Teachers who are knowledgeable about these possibilities will be able to more fully resource their students and support their learning. As an example, a design for IWB unit plans is included to assist other teachers who wish to incorporate the learning modalities and interactive nature of the IWB into their classrooms.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».