Synthesizing CSCL perspectives on the theory, methods, design, and implementation of future learning spaces
Notice bibliographique
Résumé
This pre-conference workshop brings together a number of leading learning scientists, as well as talented younger researchers, working in an emerging, but fragmented line of research focused on ‘Future Learning Spaces’ (FLSs). Significant advances in this area of scholarship have been made in recent years, spurred by billions of dollars of investments into building or re-designing educational spaces — both physical and digital, formal and informal — to accommodate learning in a networked society. To advance our theoretical understanding on the role of space in learning, vital work remains to be done to frame concepts, synthesize dispersed research agendas and share the results of work that is relevant to the broader FLSs project. To do this, this workshop is organized in four themes that address current challenges and opportunities for FLSs research: Theory, methods, design, and implementation. The workshop includes a combination of invited presenters and key contributors who have advanced research in this area; and active participants, who are interested in deepening their understanding through active participation in the workshop. The objectives of this symposium are to (1) deepen participants’ understandings of current FLSs research; (2) cross-fertilize related threads of inquiry for mutual gain; (3) rise above the individual threads to develop syntheses between them; and (4) build collaborative partnerships for future work.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,113 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,007 |
| Études des sciences et des technologies | 0,012 | 0,067 |
| Communication savante | 0,034 | 0,046 |
| Science ouverte | 0,006 | 0,018 |
| Intégrité de la recherche | 0,006 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».