MétaCan
Menu
Retour à la cohorte
Enregistrement W4321022320 · doi:10.22329/jtl.v16i3.6961

Towards Local Community Involvement in Students’ Science Learning: Perspectives of Students and Teachers

2022· article· en· W4321022320 sur OpenAlexvenueno aff
Calkin Suero Montero, Laís Oliveira Leite

Notice bibliographique

RevueJournal of Teaching and Learning · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensnon disponible
Organismes subventionnairesErasmus+
Mots-clésEuropean commissionPedagogyLearning communityScience educationPolitical scienceQualitative researchSociologySocial scienceEuropean union

Résumé

récupéré en direct d'OpenAlex

The European Commission calls for schools to move towards becoming open to their communities, integrating external social, civil, and expert stakeholders into authentic learning experiences’ development alongside teachers and students, particularly in terms of science education. However, little research or practical implementation has been reported on how community actors could participate in the development of such curricular learning activities. In this study, we present an implementation of the open science schooling (OSS) approach to science learning, where community involvement in the development of science missions takes a vital role. During the study, students developed science missions related to local societal issues that interested them in collaboration with their teachers and community experts, with frequent hands-on investigations outside their classrooms or laboratories, in five European countries and Israel. Questionnaires with quantitative and qualitative questions concerning students’ and teachers’ views and perspectives about implementing science education using OSS were administered after the participants finished their science missions. The results indicate the effectiveness of the OSS approach to science learning involving the community from both students’ and teachers’ perspectives. This study is a step towards supporting schools in becoming active agents of change through the implementation of contextualized learning experiences alongside external stakeholders.

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)0,006
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0180,011
Communication savante0,0130,005
Science ouverte0,0020,012
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,024
Tête enseignante GPT0,339
Écart entre enseignants0,315 · 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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Teaching and LearningMême sujetMobile Learning in EducationTravaux en français237 207