Flipped Learning in Grade 7 and 9 Mathematics
Notice bibliographique
Résumé
This design-based study focused on supporting students in grade 7 and 9 math classes by implementing a flipped learning model. In this study the researchers explored the perceptions of teachers and students about the benefits and challenges of a technology-enhanced pedagogy such as flipped learning. The study was conducted from January to June 2021 with two junior high math classes in a charter school in Alberta with a specialization in English language learning, and at a time when classes were shifting between in-person and online learning frequently due to COVID-19. Through a design-based approach, teachers engaged in reflective conversations and journaling, students were surveyed about their experiences with the flipped learning approach, and data analytics were reviewed from the videos and embedded quizzes assigned as pre-learning activities. The Technological Pedagogical Content Knowledge (TPACK) framework was used to explore the relationship between technology, pedagogy, and content knowledge for designing flipped learning activities. The results from this study demonstrated the efficacy of the procedures, instruments, and value in extending the study to involve more classes and subject areas. Participants were satisfied with using the flipped learning approach for improving students’ engagement, agency, and mathematical understanding. Research in flipped learning can help inform teachers and schools in any teaching scenario whether in person, when teaching online, in blended learning environments, and when employing emergency remote learning.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».