MétaCan
Menu
Retour à la cohorte
Enregistrement W2944716186 · doi:10.14742/ajet.4704

The conceptualisation of cognitive tools in learning and technology: A review

2019· review· en· W2944716186 sur OpenAlexafffund
Azar Pakdaman-Savoji, John C. Nesbit, Natalia Gajdamaschko

Notice bibliographique

RevueAustralasian Journal of Educational Technology · 2019
Typereview
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensSimon Fraser University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésInteractivityComputer scienceHypermediaGeneralityCognitionCognitive scienceEducational technologyHypertextHuman–computer interactionData sciencePsychologyMultimediaMathematics educationWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

The term cognitive tool has been used in many areas of academic specialisation, where it has taken on multiple connotations. In this historical and systematic review, we investigate the conceptualisation of cognitive tools in the learning sciences and educational technology. First, the theory of cognitive tools vis-à-vis learning and development is traced from Vygotsky and Soviet psychology through to its use in current educational technology and learning design. Second, we present a systematic review of cognitive tools in peer-reviewed research literature. We found the term cognitive tool was often used vaguely or with extreme generality. When used more specifically, it referred to communication methods such as visualisations, metaphors, symbols, and hypermedia; or interactive interfaces and environments such as templates, databases, simulations, games, and collaborative media. We offer a definition of software-based cognitive tools founded on the attributes of representation, interactivity, and distributed cognition, which commonly feature in the work of influential theorists; and we explain implications of the definition for designing, evaluating, and researching learning technologies.

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)0,004
score de la tête « metaresearch » (Gemma)0,012
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0140,015
Études des sciences et des technologies0,0010,003
Communication savante0,0040,006
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,121
Tête enseignante GPT0,487
Écart entre enseignants0,366 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAustralasian Journal of Educational TechnologyMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207