MétaCan
Menu
Retour à la cohorte
Enregistrement W4214809027 · doi:10.18357/kula.222

Getting Scrappy in the Classroom During COVID-19

2022· article· en· W4214809027 sur OpenAlexafffundvenue
Elizabeth Bassett, Heather Dean, Andrea Korda, Mary Elizabeth Leighton, Vanessa Warne

Notice bibliographique

RevueKULA knowledge creation dissemination and preservation studies · 2022
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueMuseums and Cultural Heritage
Établissements canadiensUniversity of ManitobaUniversity of AlbertaUniversity of VictoriaUniversity of British Columbia
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaGovernment of CanadaUniversity of AlbertaUniversity of Victoria
Mots-clésExhibitionRubricCoronavirus disease 2019 (COVID-19)Reflection (computer programming)Value (mathematics)Work (physics)SociologyPedagogyResource (disambiguation)Visual artsMathematics educationComputer scienceEngineeringPsychologyArtMedicine

Résumé

récupéré en direct d'OpenAlex

This teaching reflection, co-authored by two librarians and three instructors, offers a case study in collaborative assignment design and argues for the value of both collaboration as an instructional model and digital exhibitions as open educational resources. It explores how the transition to remote curating, learning, and teaching prompted by COVID-19 occasioned changes in how we curated exhibitions, on the one hand, and developed learning opportunities for students, on the other hand. Focused on a digital exhibition of nineteenth-century scrapbooks and the integration of scrapbooking—as a hands-on activity and a topic of scholarly inquiry—into three courses across two disciplines (English and art history), it also provides a model of how librarians and instructors might collaborate on assignment and coursedevelopment and scaffold such collaboration into assignment and course design. The reflection includes assignments and rubrics as well as examples of students’ work. It concludes with a series of recommendations for librarians and instructors who wish to collaborate.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,680
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,096
Tête enseignante GPT0,361
Écart entre enseignants0,265 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueKULA knowledge creation dissemination and preservation studiesMême sujetMuseums and Cultural HeritageTravaux en français237 207