MétaCan
Menu
Retour à la cohorte
Enregistrement W3088021117 · doi:10.1525/abt.2020.82.7.447

Virtual Exchange with Problem-Based Learning: Practicing Analogy Development with Diverse Partners

2020· article· en· W3088021117 sur OpenAlexaff
Peter Rillero, Ali Kozan Soykal, Alpay Bicer

Notice bibliographique

RevueThe American Biology Teacher · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueProblem and Project Based Learning
Établissements canadiensPetro-Canada
Organismes subventionnairesnon disponible
Mots-clésAnalogyConstruct (python library)Mathematics educationThe InternetPhoneComputer scienceSociologyWorld Wide WebPsychologyEpistemology

Résumé

récupéré en direct d'OpenAlex

Problem-based learning via virtual exchange affords opportunities for students to learn biology while developing abilities to learn about and work with diverse others. We describe an activity using these methods, with goals for students to develop useful cell structure analogies, analyze how analogies are not perfect representations of target concepts, practice working with diverse others, deepen cell structure knowledge, and learn about people from another culture. We explain the framework for the activity and share student evaluation data. The activity had U.S. and Egyptian high school girls compare their Phoenix and Cairo homes, create an imagined combined home, construct an analogy for how cell structures and organelles are like parts of this home, and then analyze their analogy to see where it breaks down. The activity does not require special materials, only internet access through a computer or mobile phone and access to Google Docs. Students used critical and creative thinking, first to construct their analogies and then to analyze those analogies. Evaluation data suggest that students learned from the activity, enjoyed it, and appreciated the opportunity to work with someone from a different culture.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0040,003
Science ouverte0,0020,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,052
Tête enseignante GPT0,334
Écart entre enseignants0,282 · 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'étudeObservationnel
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe American Biology TeacherMême sujetProblem and Project Based LearningTravaux en français237 207