MétaCan
Menu
Retour à la cohorte
Enregistrement W3139064064 · doi:10.26522/brocked.v30i1.850

Perspectives from Students: How to Tame the Chaos and Harness the Power of Technology for Learning

2021· article· en· W3139064064 sur OpenAlexaffvenueabout
Jenny Ge, Rachael Smyth, Michelle Searle, Lori Kirkpatrick, Rebecca Evans, Alexa Elder, Heather M. Brown

Notice bibliographique

RevueBrock Education Journal · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensUniversity of AlbertaWestern UniversityQueen's University
Organismes subventionnairesnon disponible
Mots-clésFeelingPower (physics)PerceptionValue (mathematics)Educational technologyPsychologyCHAOS (operating system)SociologyComputer sciencePedagogySocial psychologyComputer security

Résumé

récupéré en direct d'OpenAlex

Technology continues to form an important part of the educational landscape, although the value of portable devices as learning tools is still being explored and debated. In light of the technology-based teaching methods suddenly brought into effect in response to the COVID-19 pandemic, the deliberate use of technology for learning is increasingly significant. The purpose of this article is to highlight student perspectives of learning with portable devices to inform the use of portable technology in the Canadian school system going forward. To gather student perceptions, the research team surveyed 704 students in grades 6 to 9 about their use of iPads in the classroom during a 1:1 technology initiative. While students were enthusiastic about the presence of portable technology, they also shared mixed feelings about the use of such technology as a learning tool. Key themes fell into three categories—engagement, inclusivity, and learning—as students shared their insight into the academic, social, and physical barriers that exist as a result of the technology. In the discussion, we identify lessons learned, especially in the area of self-regulation, and make recommendations on how to harness the power of this multi-faceted learning tool and minimize the chaos it can create when not utilized deliberately and carefully.

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)0,002
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,256
Score d'incertitude au seuil0,461

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,317
Écart entre enseignants0,305 · 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'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

Citations9
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBrock Education JournalMême sujetChild Development and Digital TechnologyTravaux en français237 207