Comparison of labatorials and traditional labs: The impacts of instructional scaffolding on the student experience and conceptual understanding
Notice bibliographique
Résumé
Traditional, template physics labs are often associated with student dissatisfaction and superficial applications, and are known to leave students with fragmented knowledge.An alternative known as labatorials, a conceptually driven approach to labs, has been proposed.In a number of studies, labatorials have been shown to work well.However, what has been missing is a study comparing labatorials to traditional labs.In this study, labatorials are compared with traditional labs in terms of students' learning experience and the quality of their conceptual learning.Additionally, we identify the scaffolding mechanisms that impact these elements.In the context of Concordia University's introductory experimental mechanics course, we collect data spanning semistructured student and teaching assistant (TA) interviews, class observations, TA surveys, post-test and final exam scores and responses, and student writing products.Upon analysis and triangulation, we find that due to the scaffolding present in labatorials, students typically exhibit a high degree of collaboration and engagement with the material in a low-pressure environment, which allows students to focus on the learning.This is attributed to three primary forms of scaffolding inherent to the design of labatorials: peer scaffolding, instructor scaffolding, and scaffolding by the activity worksheet.In contrast, students in traditional labs have a tendency to rely on step-by-step instructions and focus on avoiding errors, which may inhibit their conceptual learning.These conclusions are supported by the students' differing performance and understanding exhibited in different types of questions; traditional lab students tend to perform better on questions involving standardized processes or simple, memorizationbased calculations, while labatorial students tend to perform better on conceptual questions.
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 | 0,008 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».