MétaCan
Menu
Retour à la cohorte
Enregistrement W3006495570 · doi:10.5430/jct.v9n1p30

How to Architecture Open-ended Problem-solvers? Student Reflections on Scaffolding Experiences in an Open-ended Problem-solving Bioengineering Course Sequence

2020· article· en· W3006495570 sur OpenAlexvenueno aff
Arash Mahboobin, Renee Clark

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueReflective Practices in Education
Établissements canadiensnon disponible
Organismes subventionnairesSwanson School of Engineering, University of PittsburghUniversity of Pittsburgh
Mots-clésScaffoldReflection (computer programming)Mathematics educationComputer scienceSequence (biology)Problem-based learningCourse (navigation)PedagogyPsychologyEngineeringProgramming languageChemistry

Résumé

récupéré en direct d'OpenAlex

Through reflection, learning experiences that students most-frequently valued during open-ended, scaffolded problem solving in a bioengineering two-course sequence were identified in this study. Reflective knowledge of this type can inform instructors in orchestrating experiences to scaffold problem solving of this kind and were useful in directly demonstrating students’ development in problem solving. Reflection is necessary for learning and is an important aspect of scaffolding. The literature has made recent calls for the additional use and study of reflection and scaffolding within STEM. This paper is intended to respond to these calls by focusing on students’ reflections about the experiences they most-frequently valued during scaffolded work. Students reflected at multiple points about their scaffolded, problem-solving experiences. These reflections were systematically content-analyzed for the experiences valued by students for their learning and development. These valued experiences can be the focus of instructional and scaffolding efforts for open-ended problem-solving in similar courses.

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)0,010
score de la tête « metaresearch » (Gemma)0,048
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,048
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,005
Communication savante0,0050,004
Science ouverte0,0020,005
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,070
Tête enseignante GPT0,432
Écart entre enseignants0,362 · 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'étudeQualitatif
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetReflective Practices in EducationTravaux en français237 207