MétaCan
Menu
Retour à la cohorte
Enregistrement W4310102539 · doi:10.29173/iasl8529

Students' Information Gathering Behaviors and Teachers' Approaches

2022· article· en· W4310102539 sur OpenAlexvenueno aff
Megumi Matsushima, Kenae Suzuki

Notice bibliographique

RevueIASL Annual Conference Proceedings · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Systems and Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNinthMathematics educationPsychologyInformation behaviorProcess (computing)Computer scienceLibrary science

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to reveal students’ information gathering behaviors and processes and teacher's approaches to improve their learning outcomes in middle school inquiry-based learning. We compare the dif erences in behaviors in information gathering process between learners with high and low understanding of the themes as their learning outcomes and teachers' approaches for both types of learners.Participants were seventeen ninth grade students and two teachers as their supervisors. During the Period for Integrated Studies, the students searched for information, reflected on their behaviors, and summarized the information they gathered on slides. The analysis targeted seven students who selected themes related to SDG 4 (four students) and SDG 8 (three students) and two teachers. As a result of the analysis, students with a high level of understanding of the themes showed behaviors of browsing and referring to materials corresponding to pillars of investigation (sub-subjects). For the behavior, teachers provided students with supplementary guidance on keyword searches and introductions to websites.

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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,347
Score d'incertitude au seuil0,504

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 savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,030
Tête enseignante GPT0,263
Écart entre enseignants0,233 · 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'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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIASL Annual Conference ProceedingsMême sujetEducational Systems and PoliciesTravaux en français237 207