Notice bibliographique
Résumé
One of the most used and abused approaches to technology studies in the schools is creative design and technological problem-solving. Current research suggests that it is not clear what students learn, if anything, in many creative design and technological problem-solving activities. Recalling the previous chapters, it is not enough to merely involve students in activities and problems. Emotions, knowledge, and skills must be articulated, organized, and demonstrated. Inferences from mistakes and successes must be drawn. Procedures must be practiced. One of the reasons that creative design and technological problem-solving activities are often without adequate results is that technology teachers tend to take creativity, design and problem- solving for granted. We assume that creativity, design, and problem-solving are automatic components of what we practice in technology studies. However, little is automatic in education. There is more to design and problem-solving than learning methods and resolving technical problems. In this chapter, current research is brought to bear on creative design, ingenuity, and technological problem-solving. In technology studies, one of our missions is to demystify the processes and products of design and technology. It is not enough to merely teach students to express their creativity, design or solve problems. We use the processes of creative design and problem-solving to disclose self-knowledge and feelings as well as the cultural and material conditions of subsistence, work, and home life. It is relatively easy to say this is the case. What remains is for us to describe how technology teachers can derive knowledge and feelings from technologies. How does doing lead to knowing? This chapter explains eleven methods of disclosive analysis for teachers to use with their students to demystify the processes and products of design and technology. The chapter concludes with an explanation of design briefs, an essential tool for engaging students in design and problem-solving.Request access from your librarian to read this chapter's full text.
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 | 0,008 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,042 |
| Communication savante | 0,015 | 0,009 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».