MétaCan
Menu
Retour à la cohorte
Enregistrement W3093552894 · doi:10.4018/978-1-7998-4721-2.ch005

Exploring Science Fictional Futures With Secondary Students

2020· book-chapter· en· W3093552894 sur OpenAlexaff
Brittany Tomin, Jennifer Jenson

Notice bibliographique

RevueAdvances in early childhood and K-12 education · 2020
Typebook-chapter
Langueen
DomaineHealth Professions
ThématiqueDigital Storytelling and Education
Établissements canadiensUniversity of British ColumbiaYork University
Organismes subventionnairesnon disponible
Mots-clésFutures contractContext (archaeology)PedagogyLiteracyResource (disambiguation)SociologyMathematics educationPsychologyComputer scienceGeography

Résumé

récupéré en direct d'OpenAlex

Science fiction (SF), while enjoying unprecedented success in popular culture, continues to be an under-utilized resource in K-12 education. This chapter details the results of an in-school study on the use of SF in secondary school courses, examining how SF can be used as a pedagogical tool by educators to help students explore fictional futures in the context of contemporary issues, with a particular focus on developing critical thinking and critical literacy competencies. This study was designed to address the gap in pedagogical resources on teaching SF, and the dearth of research on potential benefits of teaching with SF in secondary English classrooms in particular. The aim of this chapter will therefore be to provide a research-informed overview of the benefits of integrating SF texts into secondary English classrooms, and to offer suggestions for educators.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,681
Score d'incertitude au seuil0,864

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,044
Tête enseignante GPT0,344
Écart entre enseignants0,300 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in early childhood and K-12 educationMême sujetDigital Storytelling and EducationTravaux en français237 207