Notice bibliographique
Résumé
Informal learning, also called free choice learning or out-of-school time, is a relatively new field that has grown exponentially in the past 15 years. Research on the learning and teaching that takes place in these non-traditional, non-classroom environments, such as museums, gardens, afterschool and community programs, has enjoyed tremendous growth; yet we still need to understand much more, and more deeply, how people actually interact, participate and learn in such settings. Putting Theory into Practice: Tools for Research in Informal Settings is designed as a research and practice toolkit, offering a range of theoretically well-grounded methods for assessing learning for life in diverse settings and among diverse populations. We pay special attention to the full complexity, challenges and richness involved in such research into learning in places like museums, aquariums, after-school clubs, and gardens. Putting Theory into Practice serves both, researchers and practitioners, as well as a more general audience. This book offers several field-tested methods for building empirically-based, informal learning settings and research deeply grounded and guided by theory. Sociocultural theory, broadly defined, forms the unifying theoretical framework for the different qualitative studies presented. Each chapter clearly lays out the theoretical underpinnings and how these inform the suggested methods. The chapters are written by recognized experts in the field, and each addresses, in its own way, âthe synergy among different learning contexts and the benefits of studying how contexts influence learning.â Together they give voice to the diversity, richness, and complexity of the study of learners and learning for life.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».