MétaCan
Menu
Retour à la cohorte
Enregistrement W2611403286 · doi:10.70725/836428lgoszg

Understanding a Brazilian High School Blended Learning Environment from the Perspective of Complex Systems

2017· article· en· W2611403286 sur OpenAlexaff
Ana Paula Rodrigues Magalhães de Barros, Elaine Simmt, Marcus Vinícius Maltempi

Notice bibliographique

RevueJournal of Online Learning Research · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Environments and Student Outcomes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPerspective (graphical)Blended learningComputer scienceSociologyPedagogyEducational technologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The use of technological resources has the potential to make viable new and less traditional methodologies of teaching that take into account student differences. Blended learning can be a way to rethink classes so that students have more freedom in their processes of learning. The goal of this article is to understand a blended learning environment from the perspective of complex systems. We observed the classroom as a complex unit emerging from collective class member interactions. Data from one of two mathematics classes of first year high school students, in São Paulo, Brazil were used in this article. The results suggested that a high school blended learning environment, when seen as a complex system, not only frees students to make personal meaning in their learning processes, but it also provides for collective learning in virtual and face-to-face groups. Features of online discussion groups contributed to the teachers’ knowledge about the collective learning, providing them valuable information for formative assessment and pedagogical actions. The blended learning environment seen from a complexity perspective provided evidence that such classrooms demand a different relationship between the teacher, the learner, and the curriculum than relationships observed in the traditional class.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,246
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,264
Tête enseignante GPT0,474
Écart entre enseignants0,210 · 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 tête enseignante, pas un consensus.

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

Citations9
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Online Learning ResearchMême sujetEducational Environments and Student OutcomesTravaux en français237 207