MétaCan
Menu
Retour à la cohorte
Enregistrement W4247235332 · doi:10.4018/978-1-60566-026-4.ch323

Innovations for Online Collaborative Learning in Mathematics

2009· book-chapter· en· W4247235332 sur OpenAlexaff
Rodney Nason, Earl Woodruff

Notice bibliographique

RevueIGI Global eBooks · 2009
Typebook-chapter
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMathematics educationComprehensionComputer scienceField (mathematics)Domain (mathematical analysis)HypermediaExploitComputer-supported collaborative learningCollaborative learningRepresentation (politics)MultimediaMathematics

Résumé

récupéré en direct d'OpenAlex

The field of computer-supported collaborative learning (CSCL) has been growing in a number of areas and across a number of subjects (Koschmann, 1996; Koschmann, Hall, & Miyake, 2002; Wasson, Baggetun, Hoppe, & Ludvigsen, 2003). One of the most promising pedagogical advances, however, for online collaborative learning that has emerged in recent years is Scardamalia and Bereiter’s (1996) notion of knowledge-building communities. Unfortunately, establishing and maintaining knowledge-building communities in CSCL environments such as Knowledge Forum® in the domain of mathematics has been found to be a rather intractable problem (Bereiter, 2002b; Nason, Brett, & Woodruff, 1996). In this chapter, we begin by identifying two major reasons why computer-supported knowledge-building communities in mathematics have been difficult to establish and maintain. 1. The inability of most “textbook” math problems to elicit ongoing discourse and other knowledge-building activity 2. Limitations inherent in most CSCL environments’ math representational tools Therefore, in this chapter, we argue that if mathematics education is to exploit the potentially powerful new ways of learning mathematics being provided by online knowledgebuilding communities, then the following innovations need to be designed and integrated into CSCL environments: 1. authentic mathematical problems that involve students in the production of mathematical models that can be discussed, critiqued, and improved, and 2. comprehension-modeling tools that (a) enable students to adequately represent mathematical problems and to translate within and across representation modes during problem solving, and (b) facilitate online student- student and teacher-student hypermedia-mediated discourse.

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)0,005
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,005
Communication savante0,0050,008
Science ouverte0,0020,007
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0120,003

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 Opus0,058
Tête enseignante GPT0,388
Écart entre enseignants0,331 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIGI Global eBooksMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207