MétaCan
Menu
Retour à la cohorte
Enregistrement W2734079898 · doi:10.29173/iasl7456

Does Guided Inquiry enhance learning and metacognition?

2021· article· en· W2734079898 sur OpenAlexvenueno aff

Notice bibliographique

RevueIASL Annual Conference Proceedings · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Assessment and Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMetacognitionCurriculumClass (philosophy)Mathematics educationQuality (philosophy)PedagogyPsychologyEpistemologyPhilosophyCognition

Résumé

récupéré en direct d'OpenAlex


 
 
 Research carried out at Loreto Kirribilli, a Catholic independent secondary school in Sydney, Australia, in 2014 demonstrates that Guided Inquiry scaffolding enhances learning and metacognition. Students undertaking the Historical Investigation in Year 11 develop an interest in an area of Ancient or Modern history, explore it, develop an inquiry question, and answer it in an essay. The Ancient History class was scaffolded by Guided Inquiry curriculum design and support, while the Modern History class conducted their investigation independently. Deep learning was evident in the questions asked and the answers written in the Ancient History essays. There is evidence of a difference in quality in the questions asked and answered by Modern Historians. It would appear that the scaffolding of Guided Inquiry has enhanced learning, while recognizing the effect an excellent teacher has on already high achieving students. Ancient history students also demonstrated a high level of metacognition in their reflections.
 
 

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,193
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,065
Tête enseignante GPT0,419
Écart entre enseignants0,353 · 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'étudeQualitatif
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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIASL Annual Conference ProceedingsMême sujetEducational Assessment and PedagogyTravaux en français237 207