Early Childhood Imagineering: A Model for Developing Digital Storytelling
Notice bibliographique
Résumé
The objectives of this research were 1) to synthesize the model of early childhood Imagineering for developing digital storytelling; 2) to establish the model of early childhood Imagineering for developing digital storytelling; 3) to evaluate the model of early childhood Imagineering for developing digital storytelling. The research methodology was divided into three phases: 1) the documents in the Imagineering process, including the LA-OR model process and the stop motion animation process, were synthesized to establish the model of early childhood Imagineering for developing digital storytelling; 2) a model of early childhood Imagineering was established in order to develop digital storytelling; 3) the suitability of the model of early childhood Imagineering for developing digital storytelling was evaluated. The results showed that the model of early childhood Imagineering for developing digital storytelling consisted of the four following steps: 1) L: Leading to Learn consisted of imagination; 2) A: Active Learning consisted of two factors: Designing and Development; 3) O: Opinion Sharing consisted of Presentation; and 4) R: Reflective Thinking consisted of two factors: Improvement and Evaluation. According to an evaluation from experts, it was shown that the experts strongly agreed on the development model of early childhood Imagineering for developing digital storytelling.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».