MétaCan
Menu
Retour à la cohorte
Enregistrement W2569031818 · doi:10.1080/14623943.2016.1268118

‘Making’ as a catalyst for reflective practice

2017· article· en· W2569031818 sur OpenAlexafffund
Andrea J. Sator, Shawn Michael Bullock

Notice bibliographique

RevueReflective Practice · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueTeaching and Learning Programming
Établissements canadiensSimon Fraser University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésExperiential learningConstruct (python library)PedagogyReflection (computer programming)PsychologyReflective practiceExperiential knowledgeCritical thinkingMathematics educationAffect (linguistics)Teaching methodComputer scienceEpistemology

Résumé

récupéré en direct d'OpenAlex

Within the research and teaching program of maker pedagogy(TM), this study analyzes how teacher candidates construct knowledge about teaching and teaching with technology. The study applies an experiential-intuitive framework of reflective practice and takes cues from critical thinking to analyze the participants’ interactions in a maker pedagogy lab. Schön’s conception of reflection drove the data collection and analysis of participants who were asked to reflect on their experiences gained in the maker pedagogy lab. The researchers argue that the maker pedagogy lab provides participants with a way to understand their teaching practice. The results demonstrate that the maker projects enabled teacher candidates to engage in exploratory and hypothetical talk about how they are thinking about teaching and learning, particularly with technology. Furthermore, the researchers uncovered that teacher candidates’ prior knowledge and frames of reference affect their making experiences and their developing identities as science and technology teachers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,047
score de la tête « metaresearch » (Gemma)0,111
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,249

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0470,111
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,001
Études des sciences et des technologies0,0050,037
Communication savante0,0130,013
Science ouverte0,0030,013
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,082
Tête enseignante GPT0,457
Écart entre enseignants0,375 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations16
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueReflective PracticeMême sujetTeaching and Learning ProgrammingTravaux en français237 207