MétaCan
Menu
Retour à la cohorte
Enregistrement W3162083831

The Community of Inquiry Framework: Future Practical Directions - Shared Metacognition.

2020· article· en· W3162083831 sur OpenAlexvenueno aff
Norman Vaughan, Jessica Lee Wah

Notice bibliographique

RevueInternational journal of e-learning & distance education · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMetacognitionPsychologyCognitionNeuroscience
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Abstract: Metacognition is a required cognitive ability to achieve deep and meaningful learning that should be viewed from both an individual and social perspective. Recently, the transition from the earliest individualistic models to an acknowledgement of metacognition as socially situated and socially constructed has precipitated the study of metacognition in collaborative learning environments. This metacognitive construct was developed using the Community of Inquiry framework as a theoretical guide and tested applying qualitative research techniques by way of developing a metacognition questionnaire. The results indicate that in order to better understand the structure and dynamics of metacognition in teacher education programs; we must go beyond individual approaches to learning and consider metacognition in terms of complementary self- and co-regulation that integrates individual and shared regulation. This research study examines this shared metacognition framework and the use of digital technologies in the 3rd year of a Canadian Bachelor of Education program. Teacher candidates completed both the Shared Metacognition and Community of Inquiry surveys. The results indicate that a teacher must use digital technologies to intentionally design, facilitate, and direct a collaborative constructive learning environment in order for students to learn how to co-regulate their learning (shared metacognition). Keywords: action research, student engagement, shared metacognition, Community of Inquiry (CoI), mixed method, teaching presence Résumé: La métacognition est une capacité cognitive requise pour réaliser un apprentissage profond et significatif qui doit être considéré à la fois d'un point de vue individuel et social. Récemment, le passage des premiers modèles individualistes à une reconnaissance de la métacognition comme socialement située et socialement construite a amené à étudier la métacognition dans les environnements d'apprentissage collaboratif. Cette construction métacognitive a été développée en utilisant le cadre de la communauté d'enquête comme guide théorique et testée en appliquant des techniques de recherche qualitative en développant un questionnaire sur la métacognition. Les résultats indiquent que pour mieux comprendre la structure et la dynamique de la métacognition dans les programmes de formation des enseignants, nous devons aller au-delà des approches individuelles de l'apprentissage et considérer la métacognition en termes d'autorégulation complémentaire et de corégulation qui intègre la régulation individuelle et partagée. Cette étude de recherche examine ce cadre de métacognition partagé et l'utilisation des technologies numériques en 3e année d'un programme canadien de baccalauréat en éducation. Les enseignants candidats ont répondu aux sondages sur la métacognition et la communauté d'enquête. Les résultats indiquent qu'un enseignant doit utiliser les technologies numériques pour concevoir, faciliter et diriger intentionnellement un environnement d'apprentissage constructif collaboratif afin que les élèves apprennent à coréguler leur apprentissage (métacognition partagée). Mots clés: engagement étudiant, métacognition partagée, Community of Inquiry (CoI), présence enseignante

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)0,033
score de la tête « metaresearch » (Gemma)0,071
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,177

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,071
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0050,029
Communication savante0,0140,026
Science ouverte0,0050,015
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,096
Tête enseignante GPT0,465
Écart entre enseignants0,369 · 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'étudeThéorique ou conceptuel
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

Citations12
Publié2020
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueInternational journal of e-learning & distance educationMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207