MétaCan
Menu
Retour à la cohorte
Enregistrement W3010009194 · doi:10.37237/080306

Peer Tutoring: Active and Collaborative Learning in Practice

2017· article· en· W3010009194 sur OpenAlexaff
Rachael Ruegg, Taku Sudo, Hinako Takeuchi, Yuko Sato

Notice bibliographique

RevueStudies in Self-Access Learning Journal · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueReflective Practices in Education
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésWriting centerMandateActive learning (machine learning)Peer learningCenter (category theory)Peer tutorMathematics educationPedagogyLiberal arts educationProcess (computing)TUTORPsychologyComputer scienceMedical educationHigher educationPolitical scienceMedicine

Résumé

récupéré en direct d'OpenAlex

The mandate of self-access centers is to provide a venue, materials and support for self-directed learning; taking learning outside of the classroom. The Academic Achievement Center (AAC), on which this paper focusses, is a support service offered within a self-access center at a university in Japan. Students who receive support do so on a completely voluntary basis, in a self-directed effort to support and enhance their classroom learning. This paper was written as a collaboration between the coordinator of the AAC and three peer tutors, who were employed in the center. At the time of writing, one of the authors was a student in the Graduate School of Japanese Language Teaching Practices, while two were undergraduate students in the Faculty of International Liberal Arts; taking their learning outside of the self-access center and sharing it with a wider audience. This paper was motivated by the desire on the part of the peer tutors to share what we are doing in the AAC with those thinking of, or in the process of, creating a tutoring center, especially in Japan. Additionally, it was written to give readers an insight into how a tutoring center in an international university in Japan is run, as well as its successes and challenges. The paper itself is a co-authored publication by a professor and a few student-tutors, representing the vast possibilities of active and collaborative research which can be done in a university setting.

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)0,006
score de la tête « metaresearch » (Gemma)0,083
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,375
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,083
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0050,001
Communication savante0,0020,006
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
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 Opus0,087
Tête enseignante GPT0,526
Écart entre enseignants0,439 · 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'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

Citations11
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in Self-Access Learning JournalMême sujetReflective Practices in EducationTravaux en français237 207