MétaCan
Menu
Retour à la cohorte
Enregistrement W4292665560 · doi:10.21432/cjlt28002

When in Doubt, Map it Out: Teachers’ Digital Storytelling Researched through Documentation

2022· article· en· W4292665560 sur OpenAlexafffundvenueabout
Amélie Lemieux, Stephanie Mason

Notice bibliographique

RevueCanadian Journal of Learning and Technology · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDigital Storytelling and Education
Établissements canadiensMount Saint Vincent University
Organismes subventionnairesMount Saint Vincent University
Mots-clésDocumentationDigital storytellingAnimationStorytellingPedagogyLiteracyMathematics educationPsychologySociologyNarrativeComputer scienceVisual artsLinguisticsArt

Résumé

récupéré en direct d'OpenAlex

This article considers how documentation enriches literacies learning in higher education, specifically in a graduate course designed for language teachers. Building on a one-year research study with graduate students at a university in the Atlantic region of Canada, the authors demonstrate how participant-generated documentation, including cartography, presents relational understandings impacting literacies. Specifically, the authors look at a case study of two teachers enrolled in a graduate literacy course who crafted and designed digital stories using Scratch and used multimodal dimensions from music to animation and movement. Teachers’ documentation challenges the idea that making is solely a question of doing, and considers instead long-lasting processes that influence teacher practice and development.

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)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,011
Communication savante0,0080,007
Science ouverte0,0010,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,060
Tête enseignante GPT0,380
Écart entre enseignants0,320 · 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'étudeQualitatif
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

Citations8
Publié2022
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Learning and TechnologyMême sujetDigital Storytelling and EducationTravaux en français237 207