MétaCan
Menu
Retour à la cohorte
Enregistrement W2739870888 · doi:10.31129/lumat.v3i4.1021

Conditions of implementation of an inductive learning sequence about the periodic table in high school chemistry

2015· article· en· W2739870888 sur OpenAlexaff
Louis Trudel, Abdeljalil Métioui

Notice bibliographique

RevueLUMAT International Journal on Math Science and Technology Education · 2015
Typearticle
Langueen
DomaineChemistry
ThématiqueHistory and advancements in chemistry
Établissements canadiensUniversité du Québec à MontréalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMathematics educationSequence (biology)Chemistry educationTable (database)Point (geometry)Sequence learningChemistryComputer sciencePsychologyMathematicsArtificial intelligenceSocial psychology

Résumé

récupéré en direct d'OpenAlex

In chemistry education, understanding the structure and role of the Periodic Table has been linked to subsequent learning of key concepts such as the properties of chemical elements. However, the way teachers introduce the Periodic Table to high school students is mostly traditional, students learning to use it to predict properties of elements according to given rules (Ben-Zvi & Grenut, 2007). Such a way to proceed does not allow students to engage in authentic science activities. Thus our research pursues two main objectives. The first one is to conceive a learning sequence to engage students in activities where they have to propose their hypotheses and verify them against data. The second one is to study the condition of implementation of this learning sequence in high school chemistry course. The experimentation took place with 14 adult learners who followed a high school chemistry course in two successive periods of two hours each in an adult learning center. To study the implementation of the learning sequence, the main researcher held a research diary where he recorded his observations on the sequence of events. In it, he also wrote his reflections about the observed events and established links between his observations and the theoretical framework of the present research (Altrichter & Holly, 2005). Our results point out that the sequence engages students in developing the classifications as well as find arguments to test them as they discuss their ideas in small groups and later expose them during classroom discussion. We also discuss conditions of implementation, such as the importance of providing a way to register all the contributions of each team to help sharing and examining the various hypotheses. One key aspect concerns the ability of the teacher to find the proper balance between supporting students’ process of categorization while not interfering with it. As a conclusion, we discuss the advantages and the limits of the research and made suggestions for future research.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,232

Scores Codex et Gemma par catégorie

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

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 Opus0,021
Tête enseignante GPT0,358
Écart entre enseignants0,338 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLUMAT International Journal on Math Science and Technology EducationMême sujetHistory and advancements in chemistryTravaux en français237 207