Notice bibliographique
Résumé
Abstract Digital timelines have been both transformational and supportive in enhancing the ways in which information is shared through text, images, interaction, and creativity to achieve course goals and objectives across numerous disciplines. In analyzing the experiences of teacher candidates (TCs) in their creation of a variety of resources to address the development of their digital competencies, it is worthwhile to further explore the design and effectiveness of one resource in particular, digital timelines. Thus, the aim of this paper is to explore TCs’ development of digital timelines in a senior science methods course and to demonstrate the ways in which digital timelines can assist educators in their practice. Through surveys, interviews, and student coursework, the author examines TCs’ attitudes towards technology, experiences with creating digital timelines, and their utilization of technology to promote and foster global skills and competencies. Findings of this study indicate beneficial effects of developing digital timelines including flexibility in achieving a variety of learning goals (including multi-scale analyses, visualizing different spatial and temporal arrangements, developing historical contexts, etc.) associated with the assignment, flexibility in application and actualization, and enhanced motivation and engagement. TCs engaged in knowledge construction as they created visually-enhancing and interactive timelines, and in doing so circumvented reducing, simplifying, and imposing linearity on complex scientific discoveries in the history of the discipline. TCs achieved success in developing scientific timelines that effectively immersed their peers in dynamic multimedia learning environments offering multiple sources of text, images, games, video, and audio, among other multimodal components. Key Words: digital timelines; teacher candidate; teacher education; 21st century skills Résumé Les ligne du temps numériques ont été à la fois transformationnelles et favorables en améliorant la manière dont les informations sont partagées à travers le texte, les images, l'interaction et la créativité pour atteindre les objectifs du cours dans de nombreuses disciplines. En analysant les expériences des candidats enseignants (TC) dans leur création d'une variété de ressources pour aborder le développement de leurs compétences numériques, il vaut la peine d'explorer plus avant la conception et l'efficacité d'une ressource en particulier, les ligne du temps numériques. Ainsi, l’objectif de cet article est d’explorer le développement par les CT de ligne du temps numériques dans un cours de méthodes scientifiques de haut niveau et de démontrer les façons dont les ligne du temps numériques peuvent aider les éducateurs dans leur pratique. Au moyen d’enquêtes, d’entretiens et de cours d’étudiants, l’auteur examine l’attitude des TC à l’égard de la technologie, les expériences de création de ligne du temps numériques et leur utilisation de la technologie pour promouvoir et favoriser les compétences et compétences mondiales. Les résultats de cette étude indiquent les effets bénéfiques de l'élaboration de ligne du temps numériques, y compris la flexibilité pour atteindre une variété d'objectifs d'apprentissage (y compris des analyses multi-échelles, la visualisation de différents arrangements spatiaux et temporels, le développement de contextes historiques, etc.) associés à la mission, la flexibilité dans l'application et actualisation, et une motivation et un engagement accrus. Les CT se sont engagés dans la construction des connaissances en créant des ligne du temps interactifs et améliorant visuellement et, ce faisant, ont contourné la réduction, la simplification et l'imposition de linéarité sur des découvertes scientifiques complexes dans l'histoire de la discipline. Les CT ont réussi à développer des ligne du temps scientifiques qui immergeaient efficacement leurs pairs dans des environnements d'apprentissage multimédias dynamiques offrant de multiples sources de texte, d'images, de jeux, de vidéo et d'audio, entre autres composants multimodaux. Mots-clés: chronologies numériques; candidat enseignant; formation des enseignants; compétences du 21e siècle
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 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,034 |
| Communication savante | 0,017 | 0,027 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,014 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,002 |
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 ».