MétaCan
Menu
Retour à la cohorte
Enregistrement W2620283904 · doi:10.18848/978-1-61229-637-1/cgp

Capturing Creativity through Creative Teaching

2015· book· en· W2620283904 sur OpenAlexaff
Rosemary C. Reilly

Notice bibliographique

RevueCommon Ground Research Networks eBooks · 2015
Typebook
Langueen
DomainePsychology
ThématiqueCreativity in Education and Neuroscience
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésCreativityPsychologyMathematics educationComputer scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

The nature of creativity has long been a contested field of beliefs and ideas. Theorists make claims based on a wide range of positions developed through educational practices. Various disciplines have particular views of creativity, artists claim knowledge of creative practice, philosophers provide substance to support ideas, while psychological attributes are posited to affirm the nature of creative learning. Creativity lends itself easily to individuals who make statements that reflect on the nature of both creating and the experiences that enable individuals to create. This edited collection of research and practice explores this range of perspectives in three parts through a variety of disciplines, global contexts, and practice in higher education. Part I: Creativity Authors: Belinda Allen; Arianne Rourke; Rosemary C. Reilly; Candyce Reynolds, Dannelle Stevens & Ellen West; and Kylie Budge. Part II: Teaching Creatively Authors: Natalie Senjov-Makohon; Tiina Moore; Jenny Ramirez and Howard Sanborn; Nicholas McGuigan and Thomas Kern; Patsie Polly, Julian Cox, Kathryn Coleman, Jia-Lin Yang, Nicole Jones & Thuan Thai; Mary A. Burston; Dannelle Stevens, Candyce Reynolds & Ellen West; and Megan McPherson. Part III: Creativity in Practice Authors: Leela Cejnar; Bodil Rasmussen, Catharine McNamara & Anna Crow; Emily Frawley; Jia-Lin Yang, Kathryn Coleman, Mita Das & Nicholas Hawkins; Narelle Lemon; Lorraine White-Hancock; and Adele Flood.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0200,004

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 Opus0,259
Tête enseignante GPT0,482
Écart entre enseignants0,223 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

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

En bref

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommon Ground Research Networks eBooksMême sujetCreativity in Education and NeuroscienceTravaux en français237 207