MétaCan
Menu
Retour à la cohorte
Enregistrement W2975263698 · doi:10.4018/978-1-7998-1985-1.ch001

High Order of Conceptual Thinking

2019· book-chapter· en· W2975263698 sur OpenAlexaff
Masha Etkind

Notice bibliographique

RevueAdvances in educational technologies and instructional design book series · 2019
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueEducational Innovations and Technology
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésPsychologyComprehensionCognitive scienceHigher-order thinkingReciprocity (cultural anthropology)CognitionThinking processesComputer scienceMathematics educationTeaching methodSocial psychology

Résumé

récupéré en direct d'OpenAlex

This chapter describe a novel pedagogy for conceptual thinking and peer cooperation with meaning equivalence reusable learning objects (MERLO) that enhances higher-order thinking; it deepens comprehension of conceptual content and improves learning outcomes. The evolution of this instructional methodology follows insights from recent developments: analysis of patterns of evolving concepts in human experience that led to the emergence of concept science, development of digital information, research in neuroscience and brain imaging showing that exposure of learners to multi-semiotic problems enhance cognitive control of inter-hemispheric attentional processing in the lateral brain, and increase higher-order thinking. The research on peer cooperation and indirect reciprocity document the motivational effect of being observed, a psychological imperative that motivates individuals to cooperate and to contribute to better common knowledge. Teaching courses in History and Theory of Architecture to young architecture students with pedagogy for conceptual thinking enhance higher-order thinking, deepen comprehension of conceptual content, and improve learning outcomes; it allows one to connect analysis of historic artifact, identify pattern of design ideas extracted from the precedent, and transfer concepts of good design into the individual's creative design process.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,656
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,002
Science ouverte0,0010,000
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 Opus0,016
Tête enseignante GPT0,247
Écart entre enseignants0,231 · 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.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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 revueAdvances in educational technologies and instructional design book seriesMême sujetEducational Innovations and TechnologyTravaux en français237 207