MétaCan
Menu
Retour à la cohorte
Enregistrement W2934335803 · doi:10.5539/jel.v8n3p21

Overcoming Learning Difficulties with Smartphones in an Inclusive Primary Science Class

2019· article· en· W2934335803 sur OpenAlexvenueno aff
Kati Sormunen, Jari Lavonen, Kalle Juuti

Notice bibliographique

RevueJournal of Education and Learning · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensnon disponible
Organismes subventionnairesStrategic Research CouncilAcademy of Finland
Mots-clésPsychologyClass (philosophy)Science classBlended learningEducational technologyMathematics educationTeaching methodMedical educationPedagogyScience educationComputer science

Résumé

récupéré en direct d'OpenAlex

This paper examines how pupils with learning difficulties (LDs) used smartphones as supportive learning tools in an inclusive science class and how the usage developed over a two-year period. The case study was conducted in a Finnish primary school, where nine LD pupils’ smartphone usage was followed in three science learning practices that supported LDs. The data consisted of repeated smartphone questionnaires, interviews, learning outcomes, and teachers’ memoranda. The content and co-occurrence network analysis revealed that the smartphone usage varied in different practices, and its benefits developed gradually during the research period. Research highlights that teachers’ and pupils’ engagement with a dedicated, collaborative, and long-lasting process of smartphone usage in teaching and learning enables the achievement of change.

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)0,000
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 enseignants0,123
Score d'incertitude au seuil0,296

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
Science ouverte0,0000,000
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 Opus0,008
Tête enseignante GPT0,290
Écart entre enseignants0,282 · 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

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetChild Development and Digital TechnologyTravaux en français237 207