MétaCan
Menu
Retour à la cohorte
Enregistrement W4239960747 · doi:10.21432/t2tq2f

Using Brunerian Learning Theory with Educational Simulations to Teach Concepts

2017· article· en· W4239960747 sur OpenAlexaffvenue
Laura R. Winer, Richard F. Schmid

Notice bibliographique

RevueCanadian Journal of Learning and Technology · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensMusée de la Civilisation
Organismes subventionnairesnon disponible
Mots-clésAptitudeMathematics educationCognitionSpatial abilityProcess (computing)PsychologyTask (project management)VisualizationInstructional designComputer scienceArtificial intelligenceDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

The present study maintains that consistently effective leaming materialscan best be generated if the prescriptions instructional designers use are founded on learning theory. It is also considered critical that cognitive processes central to the task demands and strategies employed to address them be established. To be practical, we further recommend that only a single, process-oriented lesson, rather than individualized treatment, be implemented. Instructional simulations met these criteria, being tightly bound to Bruner's theoretical approach, and inherently capable of addressing aptitude deficiencies. Subjects were assessed for spatial visualization ability, grouped, randomly assigned to simulation or non-simulation treatments, and tested immediately, one week, and five weeks after instruction. The simulation significantly increased the high-aptitude learners' efficiency (and initially effectiveness), and low-aptitude learners' effectiveness. The validity of a theory-based, aptitude-enhancing, standardized approach was supported, andis discussed.

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)0,003
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,645
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,043
Tête enseignante GPT0,412
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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Learning and TechnologyMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207