MétaCan
Menu
Retour à la cohorte
Enregistrement W4292665525 · doi:10.21432/cjlt28170

Analysing an Interactive Problem-Solving Task Through the Lens of Double Stimulation

2022· article· en· W4292665525 sur OpenAlexaffvenue
Margarida Roméro, Sylvie Barma

Notice bibliographique

RevueCanadian Journal of Learning and Technology · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Education and Learning Practices
Établissements canadiensUniversité Laval
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésArtifact (error)Task (project management)AffordancePsychologyCognitive psychologyComputer scienceCognitive dissonanceHuman–computer interactionRelation (database)CognitionBrainstormingArtificial intelligenceCognitive scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

Problem-solving activities have been studied from a diversity of epistemological perspectives. In problem-solving activities, the initial tensions of a problematic situation led to a cognitive dissonance between conflicting motives and instruments to reach the activity goal. We analyze problem-solving in the continuation of Sannino and Laitinen’s (2015) approach to the analysis of a decision-forming apparatus. The originality of this study is in consideration of the materialistic nature of double stimulation that appears during the activity of the CreaCube problem-solving task. This activity engages the participant in solving tasks with interactive robotic instruments. To solve a task, the subject is required to build interactive robotic modules into a specific configuration which will cause the artifact to move from an initial position to a predetermined final position. The conflict of stimuli in the CreaCube is strong and observable because of the tangibility of the artifact, which is manipulated by the participant into different configurations with the goal of solving the task. We discuss double stimulation in relation to the artifactual interactive affordances of educational robotics.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,009
Communication savante0,0050,004
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,047
Tête enseignante GPT0,369
Écart entre enseignants0,322 · 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'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

Citations4
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Learning and TechnologyMême sujetInnovative Education and Learning PracticesTravaux en français237 207