MétaCan
Menu
Retour à la cohorte
Enregistrement W2347046554 · doi:10.1145/2910925.2910934

A Flexible Learning Framework for Kids

2016· article· en· W2347046554 sur OpenAlexaff
Gregory Petersen, Steven Lyall, Musfiq Rahman

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésPersonalizationComputer scienceMultimediaInterface (matter)GlobeMobile devicePersonalized learningHuman–computer interactionMobile appsWorld Wide WebTeaching methodOpen learningCooperative learningPsychologyMathematics education

Résumé

récupéré en direct d'OpenAlex

Smartphones and their applications are transforming the way we live, work, communicate and navigate the world. This smartphone transformation is also impacting the lives of children across the globe. There is an abundance of various apps in the marketplace specifically targeted for children's learning. However, very few of these apps are customizable either from the instructors' or children's needs. Moreover, they are not always well-tested and validated for effective learning outcomes. In this paper, we propose a mobile application platform for children's education that supports personalized learning through flexible customization of the contents based on learning objectives. The framework provides a web-based interface through which educators and instructors can design instructional materials, test and validate the effectiveness of the materials on children's learning. It also provides an easy, fun and interactive mobile-based interface on a mobile smart device for the children to play and learn educational materials. The framework is fully customizable and provides educators with a platform to conduct research on children's learning and collect useful data.

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)0,000
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,559
Score d'incertitude au seuil0,386

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,021
Tête enseignante GPT0,303
Écart entre enseignants0,282 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMobile Learning in EducationTravaux en français237 207