MétaCan
Menu
Retour à la cohorte
Enregistrement W2600359502 · doi:10.1039/c6rp00227g

‘Triangulation:’ an expression for stimulating metacognitive reflection regarding the use of ‘triplet’ representations for chemistry learning

2017· article· en· W2600359502 sur OpenAlexafffund
Gregory P. Thomas

Notice bibliographique

RevueChemistry Education Research and Practice · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensUniversity of Alberta
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésMetacognitionConstruct (python library)Expression (computer science)TriangulationMathematics educationMeaning (existential)ChemistryPsychologyChemistry educationScience educationCognitionComputer scienceSocial psychologyMathematics

Résumé

récupéré en direct d'OpenAlex

Concerns persist regarding high school students' chemistry learning. Learning chemistry is challenging because of chemistry's innate complexity and the need for students to construct associations between different, yet related representations of matter and its changes. Students should be taught to reason about and consider chemical phenomena using ‘triplet’ representations. A meta-language to discuss chemistry learning with students regarding these representations and their use is therefore necessary. This paper reports on a classroom intervention in which the teacher used the term ‘triangulation’ as an expression to stimulate metacognitive reflection in students to consider the importance and use of these representations for their learning of chemistry. Students understood and could elaborate the meaning of triangulation. However, their views of the importance and reported use of cognitive processes associated with it varied across individuals. Despite the variation, this study highlights the potential of developing students' metacognition by explicitly engaging them in considering means of representing the chemistry subject material they are being asked to learn, and how they might learn it using strategies and activities that are aligned with the nature of that material.

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)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,027
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,005
Communication savante0,0020,004
Science ouverte0,0010,008
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,526
Tête enseignante GPT0,628
Écart entre enseignants0,102 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations45
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemistry Education Research and PracticeMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207