MétaCan
Menu
Retour à la cohorte
Enregistrement W3160601612 · doi:10.3390/educsci11050246

Visual Representation Construction for Collective Reasoning in Elementary Science Classrooms

2021· article· en· W3160601612 sur OpenAlexafffund
Hye‐Gyoung Yoon, Mijung Kim, Eun Ah Lee

Notice bibliographique

RevueEducation Sciences · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueVisual and Cognitive Learning Processes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesMinistry of Science and ICT, South KoreaNational Research Foundation of KoreaNational Research FoundationUniversity of Alberta
Mots-clésRepresentation (politics)Meaning (existential)Science educationVisualizationMathematics educationVisual thinkingAnalytic reasoningVisual reasoningPsychologyCognitionComputer scienceCognitive scienceDeductive reasoningArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

There has been a recent increase in research interest in the ways that visual representation is used to facilitate students’ understanding in science classrooms. Yet while many studies have explored individual students’ drawing, few studies have looked into drawing as a collective tool to engage students in thinking and talking together in science classrooms. This study employed a case study approach to understand some of the possibilities for visual representation construction as a collective reasoning tool. By examining two cases of visual representation construction during classroom talk in two elementary science classrooms, this study demonstrates how teachers use visual representation as an instructional strategy, and how visualization engages students’ reasoning, meaning making, and social interactions. We selected two cases that demonstrate the emergence of the teacher’s and students’ drawing activities and analyzed each with a focus on the interactions that occur during the construction of visual representation and how this interaction promotes scientific reasoning and meaning making. For the case analysis, three researchers reviewed the video cases separately several times, and then collectively developed in-depth discussion to bring forth possible themes. The findings include (a) that there were common grounds of visual representation established for collective reasoning, and (b) that visual representations expanded knowledge and reasoning from the individual to social level, thus playing a critical role in students’ reasoning and knowledge building during classroom talk. Pedagogical questions and reflection are discussed for further research on visualization as a cognitive and social tool in 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)0,006
score de la tête « metaresearch » (Gemma)0,016
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: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0040,014
Communication savante0,0090,006
Science ouverte0,0010,008
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,060
Tête enseignante GPT0,477
Écart entre enseignants0,418 · 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

Citations20
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEducation SciencesMême sujetVisual and Cognitive Learning ProcessesTravaux en français237 207