MétaCan
Menu
Retour à la cohorte
Enregistrement W2794899125 · doi:10.47756/aihc.y1i1.10

Towards development of an effective low-cost interactive whiteboard for promoting student engagement in sociology courses

2016· article· en· W2794899125 sur OpenAlexafffund
Miguel Á. García-Ruiz, Vivian Jiménez Estrada, Deborah Woodman

Notice bibliographique

RevueAvances en Interacción Humano-Computadora · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Technology Integration
Établissements canadiensAlgoma University
Organismes subventionnairesAlgoma University
Mots-clésInteractive whiteboardClass (philosophy)Context (archaeology)USableComputer scienceMathematics educationUsabilityStudent engagementWhiteboardActive learning (machine learning)MultimediaPsychologyHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

Interactive whiteboards (IWBs) can be a great asset to teachers trying to help students visualize what they are trying to teach, especially for supporting instructors and teams of students in class. However, commercial IWBs can be costly and difficult to operate. This paper describes the development of a low-cost IWB using a video game controller and “homebrew” infrared pens, and how its usability and technology acceptance will be tested in the context of sociology courses. We propose that the use of low-cost and highly-usable technologies in sociology courses may enhance student learning outcomes and retention rates as a way to fit the learning needs of students and supporting them in the engagement of critical thinking.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,526
Score d'incertitude au seuil0,672

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,026
Tête enseignante GPT0,402
Écart entre enseignants0,376 · 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'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
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAvances en Interacción Humano-ComputadoraMême sujetEducation and Technology IntegrationTravaux en français237 207