MétaCan
Menu
Retour à la cohorte
Enregistrement W4244293685 · doi:10.4018/978-1-4666-2467-2.ch019

Developing New Literacies through Blended Learning

2012· book-chapter· en· W4244293685 sur OpenAlexaffabout
Deborah Kitchener, Janet Murphy, Robert Lebans

Notice bibliographique

RevueIGI Global eBooks · 2012
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueEducation and Technology Integration
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésNumeracyLiteracySituatedMathematics educationPedagogyBlended learningPsychologySociologyEducational technologyComputer science

Résumé

récupéré en direct d'OpenAlex

This article reports on the implementation and impact of two blended models of teacher professional learning that promote innovative classroom practice and improved literacy and numeracy in six school districts in Ontario, Canada. The Advanced Broadband Enabled Learning Program (ABEL), situated at York University in Toronto, Ontario, Canada, transforms how teachers learn and teach through a strategic blend of face-to-face interaction, technological tools and resources, online interaction and support. Learning Connections (LC), its sister project, uses the same model to improve literacy and numeracy in school districts. Research into the impact of both programs reveals increased student engagement and achievement, enhanced teacher efficacy, and improved results in literacy and numeracy. This report presents the findings from two participant surveys conducted in one large suburban board just north of Toronto, and one large rural board in Northern Ontario, and demonstrates how the working definition of literacy that teachers use in the classroom is being transformed by their use of technology in the classroom.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,530
Score d'incertitude au seuil0,952

Scores Codex et Gemma par catégorie

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

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 Opus0,054
Tête enseignante GPT0,340
Écart entre enseignants0,287 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIGI Global eBooksMême sujetEducation and Technology IntegrationTravaux en français237 207