MétaCan
Menu
Retour à la cohorte
Enregistrement W2973983901 · doi:10.28945/4197

Classroom Implementation of Instructional Strategies and Techniques that are Based on Universal Instructional Design Principles and Support Diversity

2019· article· en· W2973983901 sur OpenAlexaff
Mark Overgaard, Peter Fenrich

Notice bibliographique

RevueInforming Science and IT Education Conference · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensBritish Columbia Institute of Technology
Organismes subventionnairesnon disponible
Mots-clésUniversal Design for LearningInstructional designDiversity (politics)Computer sciencePopulationMathematics educationUniversal designInclusion (mineral)Special needsLearning environmentPsychologyPedagogyWorld Wide WebSociology

Résumé

récupéré en direct d'OpenAlex

Aim/Purpose: This paper describes foundational principles of universal instructional design (UID), which is also known as universal design for learning, that support accessibility and inclusivity for a diverse population of students and discusses how these design principles and instructional strategies are being implemented in courses we instruct. Background: The goal of any instructor should be to ensure all students have their learning needs met. Unfortunately, this is complex. Each student is unique and can have individual learning needs and preferences. Consequently, it would likely be impossible to create instructional materials that address the specific learning needs and preferences of every individual. Principles of UID help to minimize this challenge. UID strategies should support deaf and hard of hearing individuals, students with a vision loss, learners who have difficulties staying focussed, weak readers, academically-weak students, students with low confidence, learners with high anxiety, individual learning preferences, and cultural minorities. UID principles should also lead to the creation of instructional materials that support cognitively-gifted students. The principles applied in our classroom, based on the principles of UID, helped to address these challenges that students have and foster a classroom environment that was conducive to supporting the diversity in our student population. Methodology: This is not applicable because this is a practical paper, not a research paper. Contribution This paper provides practical instructional strategies and techniques that can presumably help students with disabilities learn more effectively while also fostering a culture of inclusivity. Findings: There are no formal findings for this paper. Recommendations for Practitioners: Readers should consider applying the discussed instructional strategies and techniques to support their own students that have disabilities. Recommendations for Researchers: Researchers should create instructional interventions for students with specific disabilities and assess whether those interventions help students with that disability learn more effectively. Impact on Society: Although not proven by research on populations of individuals with disabilities, the presented instructional strategies and techniques are presumed to help students with a disability learn more effectively. The aim is for other instructors to create instructional materials with similar instructional strategies and techniques to enable accessibility and promote inclusivity for their diverse population of students. Future Research From a practical perspective, instructors should apply the presented instructional strategies and techniques in their classrooms for their diverse population of students. In-class research could be done afterwards.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,430
Score d'incertitude au seuil0,801

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 technologies0,0010,001
Communication savante0,0000,002
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 Opus0,051
Tête enseignante GPT0,339
Écart entre enseignants0,288 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInforming Science and IT Education ConferenceMême sujetOnline and Blended LearningTravaux en français237 207