MétaCan
Menu
Retour à la cohorte
Enregistrement W2779116617 · doi:10.4018/978-1-59140-555-9.ch075

Design Research in the Elementary School Classroom

2005· book-chapter· en· W2779116617 sur OpenAlexaff
Earl Woodruff, Latika Nirula

Notice bibliographique

RevueIGI Global eBooks · 2005
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueEducation and Technology Integration
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFormative assessmentImpossibilityPopularityCobBDesign-based researchResearch designProcess (computing)Computer scienceManagement scienceMathematics educationKnowledge managementEngineeringSociologyPsychologyPolitical scienceSocial scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

Over the last 15 years, the study of technology in classroom settings has highlighted the need for a new research paradigm. Past research on educational technologies and software has been impugned due to the impossibility of establishing valid controls for the simultaneous introduction of technological and pedagogical innovations (Cobb, 2000; Brown, 1992; Collins, 1992, 1999). In response to the growing dissatisfaction to traditional paradigms, a relatively new approach called design research (Brown, 1992; Collins, 1992) has gained popularity – for an extensive history, see Edelson (2002). This new framework provides a potential infrastructure for promoting exchange across many different types of investigation (Cobb et al., 2003). Design researchers are able to use varying elements of design to optimize conditions that may result in the increased efficacy of a given educational innovation, since the process is defined by iterative design and formative research in complex real-world contexts (Edelson, 2002). Through careful observation, both quantitative and qualitative, design researchers are able to surmise how different design elements are contributing to observed results (Collins, 1999).

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)0,030
score de la tête « metaresearch » (Gemma)0,025
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,161

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,025
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0030,012
Communication savante0,0110,007
Science ouverte0,0030,004
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0130,005

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 Opus0,106
Tête enseignante GPT0,396
Écart entre enseignants0,290 · 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

Citations6
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIGI Global eBooksMême sujetEducation and Technology IntegrationTravaux en français237 207