MétaCan
Menu
Retour à la cohorte
Enregistrement W4313410030 · doi:10.18357/otessaj.2022.2.1.27

ePortfolio Pedagogy: Stimulating a Shift in Mindset

2022· article· en· W4313410030 sur OpenAlexvenueno aff
Rita Zuba Prokopetz

Notice bibliographique

RevueThe Open/Technology in Education Society and Scholarship Association Journal · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueReflective Practices in Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMindsetPedagogyCurriculumEquity (law)Educational technologyAccountabilitySociologyPsychologyMathematics educationKnowledge managementComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

As digital pedagogy and instructional strategy, electronic portfolios (ePortfolios) help educators organize instruction, facilitate teaching, and enhance learning. When students develop their ePortfolio projects in online spaces, they build a community where they learn to overcome challenges with the technology and to embrace the pedagogy that promotes learning. Decades-old research shows that the ePortfolio development process enhances knowledge production, makes visible knowledge application, and capacitates knowledge mobilization. ePortfolio technology promotes interaction, fosters reflection, and encourages both analytical thinking and the questioning of assumptions related to learning online. As multipurpose tools (assessment, accountability, collaboration, curriculum), ePortfolios are part of a movement that aims to reimagine the way we teach and learn in internet spaces. ePortfolio pedagogy, undergirded by interaction and reflection, integrates authentic learning episodes in digital spaces and enables practitioners to engage in democratizing and mobilizing knowledge. ePortfolio pedagogy is inclusive, embraces equity, and encourages the sharing of stories, beliefs, and ideas that result in appreciation of self and others. As students engage in idea generation in terms of choice of platform, layout, content, and artefacts, they experience a shift in mindset that capacitates a can-do attitude toward learning potential and project completion in online spaces.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,006
Communication savante0,0040,006
Science ouverte0,0010,009
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,039
Tête enseignante GPT0,436
Écart entre enseignants0,397 · 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
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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Open/Technology in Education Society and Scholarship Association JournalMême sujetReflective Practices in EducationTravaux en français237 207