Use of problem-based learning in the teaching and learning of horticultural production
Notice bibliographique
Résumé
Purpose: Problem-based learning (PBL), a relatively novel teaching and learning process in horticulture, was investigated. Proper application of PBL can potentially create a learning context that enhances student learning. Design/Methodology/Approach: Students worked on two complex ill-structured problems: (1) to produce fresh baby greens for a 4-week catering event and (2) to produce seedlings for a grower. Data collected were analyzed by the concurrent method and presented as case studies. Findings: Students developed positive attitudes through active engagement. Their presentations and reports demonstrated leadership roles, critical thinking and conflict management. Practical professional, social and affective skills were developed through production of 5 kg baby greens, and 2500 vegetable seedlings. Successes and limitations were identified. Theoretical Implication: The quality of the PBL problem is critical for the stimulation and elaboration of prior knowledge, development of epistemic curiosity and the relevant semantic framework. These are motivators that inspire effective learning. Practical Implication: Cognitive and emotional intelligence skills are realized by trusting the PBL process, identifying enhancers and inhibitors. Enhancement of creativity, social and employability skills manifest through challenges that help to develop for the ‘whole’. Originality/Value: In the horticulture industry, stakeholders interact with each other and the agro-ecological system. Consequently, competencies in production and emotional intelligence are invaluable.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».