MétaCan
Menu
Retour à la cohorte
Enregistrement W2975149483 · doi:10.22329/jtl.v13i1.5988

Reciprocal Learning Between Canadian and Chinese Schools Through the 24 Nature Notes Project

2019· article· en· W2975149483 sur OpenAlexaffvenueabout
George Zhou, Sonia Ho, Yuanrong Li, Mingyue Luo, Haley Freedman, Jian Luo

Notice bibliographique

RevueJournal of Teaching and Learning · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGlobal Education and Multiculturalism
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésCreativityContext (archaeology)Work (physics)Presentation (obstetrics)ReciprocalChinaPedagogySisterPsychologyMathematics educationSet (abstract data type)SociologyPolitical scienceEngineeringSocial psychologyGeographyComputer science

Résumé

récupéré en direct d'OpenAlex

The 24 Nature Notes project was part of the China-Canada Reciprocal Learning Program. Two sister schools participated in the project. Following the same set of dates, students from both schools conducted outdoor observations and collected data. Skype meetings were arranged to exchange ideas and share student work. This study aims to understand the impact of the project on Canadian and Chinese teachers and students, what they learned from each other, and what challenges they faced. Data was collected through observation notes, meeting minutes, student work, and interviews with both Chinese and Canadian teachers and students. Data analysis revealed that the project was a positive opportunity for participants from both countries to gain cross-cultural understanding. The Canadian students enjoyed the freedom in topic selection and presentation formats. They particularly liked the life lessons that the Chinese students shared through their work. The Canadian teachers also valued the idea as it allows students to reflect their observations from a different context. The Chinese teachers and students appreciated the Canadian students’ creativity. They gained inspiration from Canadian teachers and students and as a return their project work became more creative.

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)0,008
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,091
Score d'incertitude au seuil0,484

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0400,008
Communication savante0,0060,002
Science ouverte0,0020,009
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,021
Tête enseignante GPT0,358
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 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'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

Citations5
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Teaching and LearningMême sujetGlobal Education and MulticulturalismTravaux en français237 207