Problem Based Learning: A Facilitator of Computational Thinking
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
These proceedings represent the work of contributors to 18th European Conference on e-Learning (ECEL 2019), hosted by Aalborg University, Copenhagen, Denmark on 7-8 November 2019. The Conference Co-Chairs are Rikke Ørngreen, Mie Buhl and Bente Meyer, and, all from Aalborg University, Copenhagen, Denmark. ECEL is now a well-established event on the academic research calendar and now in its 18th year the key aim remains the opportunity for participants to share ideas and meet the people who hold them. The scope of papers will ensure an interesting two days. The subjects covered illustrate the wide range of topics that fall into this important and ever-growing area of research. The opening keynote presentation is given by Anthony “Skip” Baisel, from the Queen Mary University of London on the topic of Higher Education Pedagogy using Game Design. The second day of the conference will open with interactive collaborative keynote by Mie Buhl, Bente Meyer, Rikke Ørngreen, on the topic of Does IT work? Investigating factors at play in e-learning research. With an initial submission of 181 abstracts, after the double blind, peer review process there are 76 Academic research papers, 3 PhD research papers, and 26 work-in-progress papers published in these Conference Proceedings. These papers represent research from Austria, Belgium, Bhutan, Canada, Chile, China, Cyprus, Czech Republic, Denmark, France, Germany, Ghana, Greece, Greenland, Hong Kong, Ireland, Italy, Japan, Norway, Poland, Portugal, Russia, South Africa, Sweden, Taiwan, Thailand, The Netherlands, Turkey, UAE, UK and USA.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle