MétaCan
Menu
Retour à la cohorte
Enregistrement W3095387769

‘When Everything Old Is New Again’: Experiential Learning in the Classroom

2018· article· en· W3095387769 sur OpenAlexaff
Reina Green, Diane Piccitto, Anna Smol

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueOutdoor and Experiential Education
Établissements canadiensMount Saint Vincent University
Organismes subventionnairesnon disponible
Mots-clésExperiential learningCurriculumTerminologyPsychologyPedagogyActive learning (machine learning)Experiential educationSession (web analytics)Mathematics educationComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This session examined definitions of experiential learning and how the term has been recently used to focus on specific programmes and types of learning practices at the expense of other programmes, often based in the Humanities, as well as more routine pedagogical strategies. Further, the current use of the terminology creates a false and damaging dichotomy as it situates the classroom (and even the wider locale of the campus) away from the “real world” and encourages students to compartmentalize classroom learning as incidental to their lives and future careers. We encouraged participants to examine their current classroom practices to identify activities that may be considered experiential and asked them to identify obstacles they face both in their disciplines and generally that prevent them from incorporating more of these practices in their classrooms. We tried to model how small changes in teaching practices can encourage students to engage in their own learning. We contend that one does not have to reinvent the wheel—or rewrite the curriculum—to offer students experiential educational opportunities. Many of the activities instructors already use can be adapted to encourage students to participate more fully in their own learning and, with simple changes, these practices can be used in any classroom. Our hope was that participants would recognize how they might engage their students in experiential learning without leaving their classrooms.

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)0,009
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,020
Communication savante0,0090,012
Science ouverte0,0020,008
Intégrité de la recherche0,0040,008
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,344
Écart entre enseignants0,317 · 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'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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOutdoor and Experiential EducationTravaux en français237 207