Atlas use in teaching geography in higher education in the U.S. and Canada
Notice bibliographique
Résumé
Skills in map use and interpretation are important in geography education. Atlases represent special collections of maps that can be beneficial for developing map use and interpretation and spatial analysis skills in geography students. In this study, we examine the utilization of atlases in geographic coursework. We surveyed 295 geography instructors in the U.S.and Canada about their usage of both print and digital atlases in geography courses of different level. The survey generated 54 responses. The findings indicated that about 39 percent of instructors use atlases in instruction, most of those use print atlases rather than digital atlases. It was found that most of the instructors who use atlases in their instruction teach upper-level Human Geography courses. Some other general courses, in which atlases were used are: Introduction to GIS, Remote Sensing, World Regional Geography, and Introduction to Physical Geography. As indicated by the survey responses, atlases are widely used in special topic courses such as World Forests, Geography of North America, Research Methods in Geography, Natural Hazards, Geography of Europe, History and Theory of Geography, Current World Affairs, Geography of Pennsylvania, Political Geography, Geography of Russia, North American House Types, and Geography of Consumption. In addition to analyzing the survey responses, we also provide examples of atlas use in a variety of courses. We conclude that atlases are useful for studies of spatial associations and geographic patterns, as a background information or context resource, as a source that helps to learn geographic locations, and to learn cartographic methods and map design.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».