Using schema training to facilitate students' understanding of challenging engineering concepts in heat transfer and thermodynamics
Notice bibliographique
Résumé
Abstract Background Chi and colleagues have argued that some of the most challenging engineering concepts exhibit properties of emergent systems. However, students often lack a mental framework, or schema, for understanding emergence. Slotta and Chi posited that helping students develop a schema for emergent systems, referred to as schema training, would increase the understanding of challenging concepts exhibiting emergent properties. Purpose We tested the effectiveness of schema training and explored the nature of challenging concepts from thermodynamics and heat transfer. We investigated if schema training could (a) repair misconceptions in advanced engineering students and (b) prevent them in beginning engineering students. Method We adapted Slotta and Chi's schema training modules and tested their impact in two studies that employed an experimental design. Items from the Thermal and Transport Concept Inventory and expert‐developed multiple‐choice questions were used to evaluate conceptual understanding of the participants. The language used by students in their open‐ended explanations of multiple‐choice questions was also coded. Results In both studies, students in the experimental groups showed larger gains in their understanding of some concepts—specifically in dye diffusion and microfluidics in Study One, and in the final test for thermodynamics in Study Two. But in neither study did students exhibit any gain in conceptual questions about heat transfer. Conclusion Our studies suggest the importance of examining the nature of the phenomena underlying the concepts being taught because the language used in instruction has implications for how students understand them. Therefore, we suggest that instructors reflect on their own understanding of the concepts.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».