MétaCan
Menu
Retour à la cohorte
Enregistrement W3151050678 · doi:10.29173/iasl7804

Collaborative Inquiry in Digital Information Environments

2021· article· en· W3151050678 sur OpenAlexvenueno aff
Ross J. Todd, Punit Dadlani

Notice bibliographique

RevueIASL Annual Conference Proceedings · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDigital Storytelling and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumTask (project management)Interpersonal communicationReading (process)Resource (disambiguation)The artsMathematics educationDynamics (music)PsychologyPedagogyComputer scienceEngineeringVisual arts

Résumé

récupéré en direct d'OpenAlex

This paper presents selected findings from current research being undertaken by the Center for International Scholarship in School Libraries (CISSL) at Rutgers University that examines the research and writing processes of high school students undertaking a group research task in a New Jersey High school library. The purpose of this task was for students to produce a co-constructed product that represents the group’s understanding of their chosen curriculum topic. The study involved 42 grade 9 students undertaking an accelerated English Language Arts curriculum unit focusing on examining a wide range of challenging literature in the genres of short story, novel, drama, nonfiction, and poetry. The course includes independent reading assignments, and stresses critical thinking and speaking skills, study skills, and research strategies. The learning environment was supported by a Wiki/ Google documents digital environment that tracked the group dynamics, student-to-student interactions, resource use patterns, and knowledge building processes, as well as classroom teacher and school librarian interactions with the students, as groups and as individuals. This paper reports specifically on cognitive, personal and interpersonal dynamics reported by students as they worked in groups.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,201
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,038
Tête enseignante GPT0,346
Écart entre enseignants0,308 · 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.

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIASL Annual Conference ProceedingsMême sujetDigital Storytelling and EducationTravaux en français237 207