MétaCan
Menu
Retour à la cohorte
Enregistrement W2903878400 · doi:10.1080/03098265.2018.1554632

Student field experiences: designing for different instructors and variable weather

2018· article· en· W2903878400 sur OpenAlexaff
Alison Jolley, Samuel J. Hampton, Erik Brogt, Ben Kennedy, Lyndon Fraser, Angus Knox

Notice bibliographique

RevueJournal of Geography in Higher Education · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeography Education and Pedagogy
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversity of Canterbury
Mots-clésField (mathematics)Variable (mathematics)Mathematics educationEnvironmental sciencePsychologyMeteorologyGeographyMathematics

Résumé

récupéré en direct d'OpenAlex

This study compares the field experience and development of sense of place (in this case, human attributed meanings and attachments to the field area) in geoscience students on three separate course sections of a six-day introductory geological mapping field trip. Students stayed in a small farm station within their 4 km2 field area, worked in groups of three or four, and produced an individual final assessment. Findings from student interviews and pre-post surveys indicated that there were no significant differences in perceptions of the field trip purpose or sense of place between field trip sections, despite differences in instructor pedagogy and sense of place, as well as varied weather conditions. There were significant increases in student sense of place on all field trips, in contrast with previous work on a “roadside” (regional, multi-site) field trip where no significant change in sense of place occurred. In-field observations and instructor interviews identified key characteristics that supported similar sense of place and experiences on all trips: (1) consistent intended learning outcomes, (2) a carefully selected and immersive field area valued by instructors, and (3) an assessment connected to the landscape/field area with flexibility in its implementation, especially when faced with adverse weather conditions.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,098
Score d'incertitude au seuil0,642

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,036
Tête enseignante GPT0,373
Écart entre enseignants0,337 · 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'étudeObservationnel
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

Citations22
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geography in Higher EducationMême sujetGeography Education and PedagogyTravaux en français237 207