MétaCan
Menu
Retour à la cohorte
Enregistrement W3176009940 · doi:10.24908/pceea.vi0.14927

ADAPTATION OF A CLASSROOM OBSERVATION PROTOCOL FOR ACTIVE LEARNING

2021· article· en· W3176009940 sur OpenAlexafffundvenue
Allison Van Beek, Susan McCahan

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueExperimental Learning in Engineering
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of Toronto
Mots-clésAdaptation (eye)Protocol (science)Active learning (machine learning)AffordanceComputer scienceSpace (punctuation)Coding (social sciences)Scale (ratio)Scope (computer science)Mathematics educationHuman–computer interactionPsychologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In our work, we are focusing on the use of classroom observation to provide feedback on instructional space design. An initiative to redesign teaching space began a decade ago at a large, research-intensive institution. In September 2018, a large-scale (477 seat) active learning classroom became operational. The affordances of this space are intended to enable active teaching and learning in large classes. However, it is difficult to assess how successful this space is for active learning. A multi-year study has been undertaken to observe teaching practice in situ, with the goalof developing design principles for instructional space and technology that support the development, design, and implementation of teaching activities. Existing teaching observation protocols do not fully capture the interaction between the instructor and the space because such protocols were generally intended for other purposes. The goal is to develop a protocol that captures activities that are both intrinsic and extrinsic to teaching. This paper describes the development and use of an observation protocol. The core of the protocol is the wellknownTeaching Dimensions Observation Tool (TDOP). The scope of the TDOP is extended to active learning activities drawing from the Active Learning Classroom Observation Tool (ALCOT). The resulting extended protocol, TDOP+, was used for coding both live and recorded classroomobservations in the Winter 2020 term. This extended protocol allows the researchers to capture information that characterizes the intersection of pedagogy, space, and technology through Activity Theory. In future work, the data gathered through observations will be analyzed using theDifferentiated Overt Learning Activities (DOLA) framework, to provide insight into what types of teaching activity happens in a large-scale active learning classroom across STEM education and how active learning in large classrooms compares to pedagogy in other spaces.

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)0,111
score de la tête « metaresearch » (Gemma)0,175
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,111
Score d'incertitude au seuil0,585

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1110,175
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,003
Études des sciences et des technologies0,0040,003
Communication savante0,0040,004
Science ouverte0,0040,006
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0230,011

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 Opus0,013
Tête enseignante GPT0,237
Écart entre enseignants0,224 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetExperimental Learning in EngineeringTravaux en français237 207