MétaCan
Menu
Retour à la cohorte
Enregistrement W4309264301 · doi:10.1371/journal.pbio.3001875

Using animations to teach biological processes and principles

2022· article· en· W4309264301 sur OpenAlexaff
Pamela Kalas, Rosemary J. Redfield

Notice bibliographique

RevuePLoS Biology · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Bioinformatics, and Biomedical Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBiologyTerminologyMemorizationFocus (optics)Rote learningCognitive scienceMathematics educationTeaching methodLinguistics

Résumé

récupéré en direct d'OpenAlex

Well-designed animations can help students to focus on the underlying principles and processes in biology rather than relying on rote memorization.We present question-driven, terminology-free, "candymation" videos for teaching the concepts behind mitosis and meiosis as an example. Biology's memorization problemMost students are initially eager to learn biology, but their enthusiasm often turns to disappointment as they struggle to memorize details whose significance has not been explained.This memorization problem begins in high school but persists through the first years of university [1].For example, students in typical introductory biology courses learn the steps and subcellular locations of photosynthesis reactions, reproduce diagrams of floral reproductive systems and the chambers of the heart, and apply Mendel's Laws to genetic crosses, but often do not realize that the real excitement in biology arises from the challenges these processes evolved to solve and the elegance of the solutions.Textbooks are usually the primary resource, both for students and for instructors who lack the luxury of teaching only their areas of personal expertise, but the role of textbooks as learning guides has been swamped by their role as reference books, burying the broad concepts in a morass of details.In principle, animations can help learning by clarifying events and processes that are not easily observed or described in text and static images [2].Unfortunately, the animations and other resources provided with biology textbooks usually just reinforce the textbooks' emphasis on facts, and the animations available on sites such as YouTube are no better -whether created by students for class assignments or by non-academic educators, they typically just add movement to the textbook illustrations, focusing on the facts students need to remember rather than the processes and principles we want them to understand.Most instructors are eager to shift the emphasis from rote memorization to true learning, both in their own classrooms and by providing resources for others to use.Whereas the work entailed in writing a better textbook puts this endeavor out of reach for almost everyone, creating and distributing animations has literally become child's play, thanks to video hosting sites such as YouTube and inexpensive stop-motion apps.Instructors who want to change what and how their students are learning can now create and share videos that develop curiosity, promote conceptual understanding, and discourage rote memorization.

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)0,004
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,226

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0680,008

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 Opus0,099
Tête enseignante GPT0,339
Écart entre enseignants0,240 · 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
GenreMéthodes

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

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS BiologyMême sujetGenetics, Bioinformatics, and Biomedical ResearchTravaux en français237 207