MétaCan
Menu
Retour à la cohorte
Enregistrement W2951692007 · doi:10.48550/arxiv.1512.08619

Democratizing Children's Computation: Learning Computational Science as Aesthetic Experience

2015· preprint· en· W2951692007 sur OpenAlexaff
Amy Voss Farris, Pratim Sengupta

Notice bibliographique

RevuearXiv (Cornell University) · 2015
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueMathematics Education and Teaching Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Science Foundation
Mots-clésDemocracyContext (archaeology)VirtueDemocratic educationAestheticsLiteracyClass (philosophy)EpistemologyPower (physics)Computational thinkingSociologyPsychologyPedagogyPoliticsArtPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

In this paper, we argue that a democratic approach to children's computing education in a science class must focus on the aesthetics of children's experience. In Democracy and Education, Dewey links "democracy" with a distinctive understanding of "experience". For Dewey, the value of educational experiences lies in "the unity or integrity of experience" (DE, 248). In Art as Experience, Dewey presents aesthetic experience as the fundamental form of human experience that undergirds all other forms of experiences, and can also bring together multiple forms of experiences, locating this form of experience in the work of artists. Particularly relevant to our current concern (computational literacy), Dewey calls the process through which a person transforms a material into an expressive medium an aesthetic experience (AE, 68-69). We argue here that the kind of experience that is appropriate for a democratic education in the context of children's computational science is essentially aesthetic in nature. Given that aesthetics has received relatively little attention in STEM education research, our purpose here is to highlight the power of Deweyan aesthetic experience in making computational thinking available to and attractive to all children, including those who are disinterested in computing, and especially those who are likely to be discounted by virtue of location, gender or race.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,015
Communication savante0,0050,006
Science ouverte0,0000,005
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,112
Tête enseignante GPT0,293
Écart entre enseignants0,181 · 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'étudeThéorique ou conceptuel
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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetMathematics Education and Teaching TechniquesTravaux en français237 207