MétaCan
Menu
Retour à la cohorte
Enregistrement W2591637276 · doi:10.5430/ijhe.v6n2p75

The Impact of Cooperative Learning on CHC Students’ Achievements and Its Changes over the Past Decade

2017· article· en· W2591637276 sur OpenAlexvenueno aff
Qiuxian Chen, Yuan Liu

Notice bibliographique

RevueInternational Journal of Higher Education · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Graduate EducationJohnson and Johnson
Mots-clésContext (archaeology)Agency (philosophy)SituatedClass (philosophy)Transfer of learningCooperative learningPolitical scienceSociologyPsychologyMathematics educationArtificial intelligenceSocial scienceComputer scienceGeographyTeaching methodArchaeology

Résumé

récupéré en direct d'OpenAlex

Informed by emergent learning theories and multiple evidenced benefits, cooperative learning has developed into a widely accepted organization mode of class in the Western context. For the same reason, cooperative learning is transferred, during the past decade, into classrooms of Confucian Heritage Culture (CHC) contexts. Concerns, however, are raised regarding the effectiveness of the transfer, for contextual factors have long been acknowledged as a powerful barrier to borrowed initiatives, especially those that are not compatible with the deep-rooted cultural values in the situated contexts.This paper is built on Thanh-Pham’s (2014) review of literature, which is on the impact of cooperative learning on the CHC students’ learning achievements and conducted during 1990 to 2006. This paper has expanded Thanh-Pham (2014) with a similar review on available literatures, which were published from 2007 up to 2016. This review of 39 publications shows up noticeable changes regarding the impact of cooperative learning in the CHC contexts. Specifically, the positive findings have risen from 47.2% to 86.9%, whereas negative and null change studies fall considerably. Influencing factors are analyzed via SPSS22.0 Software and verified with exemplars. Reasons for these changes point to the changing context and adaptive agency.

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)0,007
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,055
Tête enseignante GPT0,500
Écart entre enseignants0,444 · 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'étudeObservationnel
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

Citations8
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Higher EducationMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207