MétaCan
Menu
Retour à la cohorte
Enregistrement W2787228099 · doi:10.21083/nrsc.v0i11.4016

Flipped Classroom, Flipped Teaching and Flipped Learning in the Foreign/Second Language Post–Secondary Classroom

2018· article· en· W2787228099 sur OpenAlexaffvenue
Denise Mohan

Notice bibliographique

RevueNouvelle Revue Synergies Canada · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésFlipped classroomFlipped learningBlended learningTerminologyContext (archaeology)Mathematics educationForeign languageActive learning (machine learning)PedagogyPsychologyEducational technologyComputer scienceLinguisticsArtificial intelligencePhilosophy

Résumé

récupéré en direct d'OpenAlex

The term “flipped classroom”, coined in 2007, represents a pedagogy aligned with long-established principles of student-centered learning. Over the last two decades, the flipped classroom has been adopted by instructors across a range of disciplines, from primary to post-secondary settings. During its development, the characteristics of the flipped classroom have evolved, as have the terminology used to reference it, leading practitioners and researchers to now address it as flipped classroom, flipped teaching or flipped learning. In this article, these terms will be used interchangeably. The article will examine the foundations of flipped learning, discuss its roots in learner-centered pedagogy, trace its development over the last two decades, profile its characteristics, and examine the feedback on its effectiveness and challenges as provided by flipped learning instructors and researchers. An attempt will be made to answer the following four questions. Where does flipped learning fit on the continuum of learner-centered pedagogies? How have educators responded, both positively and negatively, to the flipped learning/teaching approach? How has flipped learning been implemented in the foreign/second language (FL/L2) classroom? What are some considerations and recommendations for FL/L2 instructors contemplating using this approach in the FL/L2 post-secondary context? Finally, some suggestions will be made regarding next steps in research on flipped learning.

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)0,005
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,013
Communication savante0,0080,007
Science ouverte0,0010,007
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,008
Tête enseignante GPT0,204
Écart entre enseignants0,196 · 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'étudeSans objet
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

Citations27
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNouvelle Revue Synergies CanadaMême sujetSecond Language Learning and TeachingTravaux en français237 207