“It feels like I have a camera in my eye”: New methods for literacies research in maker-oriented classrooms
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper focuses on new data collection methods made possible through first person-perspective or point-of-view (POV) recording technology and how these tools can provide important insights into students’ digital making and learning processes. Observation is a powerful tool, but researchers and educators are limited in what they can observe during a given moment and their inferences about student learning are made through the lens of an “outsider”. Audiovisual recording can supplement classroom observations to provide a more complete picture of students’ learning, but we contend that commonly-used methods are insufficient to capture the dynamic, social processes and literacies at play in a maker-oriented classroom. Through analyses of students’ learning during a digital tutorial-making task, we examine the affordances of and considerations for using POV “spyglasses” in digital literacies research. Spyglasses look and feel like regular glasses that one would wear to improve their vision, augmented with an integrated video camera and recording functionality. Our findings indicate that using tools that allow data to be collected from the student perspective gives access to important, alternate narratives about what students’ final products might show or represent about their digital skills and competencies. We also explore the important technical, ethical and data management considerations associated with using spyglasses as a data collection tool. As physical and digital making practices become more prominent in education and classroom-based research, this study highlights the importance of research tools capable of capturing the nuance and process of learning through making. Future research could explore the gap between researcher interpretation of collected data when it is not “read” alongside, or compared against, documentation from the “insider” perspective.
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.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle