Pedagogy for Conceptual Thinking in the Digital Age: Enhancing Learning Outcomes with Meaning Equivalence Reusable Learning Objects (MERLO) Formative Assessments
Notice bibliographique
Résumé
[EN] The research presented in this paper is the fruit of an ongoing international \ncollaboration with the goal of enhancing students learning outcomes by \nimplementing and sharing a novel pedagogy for conceptual thinking, and use \nof an innovative didactical and methodological tool: Meaning Equivalence \nReusable Learning Objects (MERLO) that provide student-centered, weekly \nformative assessments for exploring and discussing conceptual situations in \nsmall groups. It was developed, tested, and implemented in Canada at \nUniversity of Toronto and Ryerson University, as well as in Israel, Italy, \nRussia, and Australia, in different knowledge domains, including: physics; \nbiology; mathematics; mathematics teacher education; teacher training; \ndevelopmental psychology; English as a second language; architecture; \nmanagement; business; project management. Statistical analysis of MERLO \ndata collected since 2002, shows that conceptual thinking enhance learning \noutcomes and deepens students’ comprehension of the conceptual content of \nlearned material. Conceptual thinking is learnable, and provide metrics to \ndocument continuous increase in higher-order thinking skills such as critical \nconceptual thinking, transfer of knowledge, and problem solving. Pedagogy \nfor conceptual thinking is currently implemented with Brightspace \n(http://www.brightspace.com/), Integrated Learning Platform (ILP) offered \nby D2L (http://www.d2l.com/) that supports customizable online pedagogy.
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 | 0,001 | 0,001 |
| 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 | 0,002 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».