MétaCan
Menu
Retour à la cohorte
Enregistrement W4241095640 · doi:10.1093/oxfordhb/9780198733522.013.22

Interdisciplinary Learning

2017· book-chapter· en· W4241095640 sur OpenAlexfundno aff
Verónica Boix Mansilla

Notice bibliographique

RevueOxford University Press eBooks · 2017
Typebook-chapter
Langueen
DomaineDecision Sciences
ThématiqueInterdisciplinary Research and Collaboration
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institute for Advanced ResearchAtlantic Philanthropies
Mots-clésDisciplineExperiential learningQuality (philosophy)CognitionEpistemologySociologyCognitive scienceEngineering ethicsPsychologyPedagogyEngineeringSocial sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Abstract This chapter examines cognitive and epistemological foundations of interdisciplinary learning and their implications for quality interdisciplinary instruction. It shows that learning processes conducive to interdisciplinary integration reflect the plurality of interdisciplinary pursuits and disciplinary epistemologies—for example, from creating a historical monument to producing a complex explanation of overfishing. The chapter offers an epistemological framework to understand the cognitive demands of interdisciplinary learning and integration pointing to four processes in dynamic interaction: (1) establishing purpose; (2) weighing disciplinary insights; (3) building leveraging integrations, and (4) maintaining a critical stance. In interdisciplinary learning, such processes interact, informing one another as learning progresses iteratively. The result is a system of thought in reflective equilibrium—an improvement in understanding vis-à-vis prior beliefs, as well as an understanding subject to further revision. The framework is applied to two distinct examples of interdisciplinary work and implications for quality instruction are outlined

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,173

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,004
Communication savante0,0060,005
Science ouverte0,0010,006
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0520,009

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 Opus0,101
Tête enseignante GPT0,357
Écart entre enseignants0,256 · 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
GenreAutre

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

En bref

Citations47
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOxford University Press eBooksMême sujetInterdisciplinary Research and CollaborationTravaux en français237 207