MétaCan
Menu
Retour à la cohorte
Enregistrement W2764058625

De-duotanging Core French: Case study of a Digital Learning Space Portfolio in a Grade 8 Classroom

2017· dissertation· en· W2764058625 sur OpenAlexaboutno aff
Susanna Jurkowski

Notice bibliographique

RevueQSpace (Queen's University Library) · 2017
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueEducation and Technology Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCore (optical fiber)PortfolioSpace (punctuation)Mathematics educationComputer sciencePsychologyBusinessTelecommunicationsOperating system
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This case study explored the use of a digital learning space portfolio by Grade 8 French as a Second Language (FSL) students. The focus of this study was on the meaning students assigned to the use of the digital learning space portfolios and how their perceptions of themselves as FSL learners changed while using the system. The study addresses the existing gap in the literature. The digital learning space portfolio was created based on the needs of adolescent learners as identified in the literature. The literature also suggests that embedding assessment and learning in one place, that is accessible to all, improves student engagement. The study took place at a rural school in Eastern Ontario and included fourteen students, six male and eight female. The results indicate that students had positive experiences using the digital learning space portfolio which supported student participation in the FSL classroom. In addition, the students reported positive perceptions of themselves as FSL learners while they were engaged in using the tool. The results also indicate that the teacher was integral in developing and modelling positive use of the digital learning space portfolio. Further research regarding the use of the digital learning space portfolio in other disciplines and at other grade levels should focus on teacher support to ensure successful use of these types of tools in education.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,040
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,003
Communication savante0,0040,002
Science ouverte0,0020,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,270
Écart entre enseignants0,252 · 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'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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQSpace (Queen's University Library)Même sujetEducation and Technology IntegrationTravaux en français237 207