MétaCan
Menu
Retour à la cohorte
Enregistrement W2891371854 · doi:10.25071/1916-4467.40356

The Arts, Loose Parts and Conversations

2018· article· en· W2891371854 sur OpenAlexaffvenue
Sheryl Smith-Gilman

Notice bibliographique

RevueJournal of the Canadian Association for Curriculum Studies · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueArt Education and Development
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMindsetThe artsMindfulnessCurriculumIndigenousClass (philosophy)Process (computing)CreativityDialogicPedagogySociologyBecomingLearning communityMainstreamPsychologyAestheticsMathematics educationVisual artsEpistemologyComputer scienceSocial psychologyArt

Résumé

récupéré en direct d'OpenAlex

Educators today are being asked to design curricula whereby learners’ abilities to analyze, question, problem-solve, evaluate and reflect are being provoked. The quest lies in uncovering suitable teaching approaches that will allow critical thinking skills to emerge organically and meaningfully. I argue that an integration of loose parts can offer a methodology and a provocation that makes way for open-ended, divergent and creative thinking skills to be activated. “Loose parts” can be open-ended materials that are manipulated, designed, dismantled and reconstructed in multiple ways. I also see “loose parts” as a mindset, a process-oriented approach whereby meaningful conversations emerge unexpectedly and add significantly to learning. This article presents two stories to show how arts-based approaches and mindfulness to loose parts can unearth thought-filled and caring conversations. The discussion is inspired and written via a reflective lens of personal encounters, first, in a longitudinal research project with young children in an Indigenous First Nations Community, and, second, with preservice teachers in a university class. It is within these periods that students, teachers and families were impacted by loose parts whereby materials and conversations made way for new perspectives in understanding the world.

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)0,007
score de la tête « metaresearch » (Gemma)0,015
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: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0170,106
Communication savante0,0140,016
Science ouverte0,0010,019
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,034
Tête enseignante GPT0,276
Écart entre enseignants0,242 · 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

Citations19
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the Canadian Association for Curriculum StudiesMême sujetArt Education and DevelopmentTravaux en français237 207