MétaCan
Menu
Retour à la cohorte
Enregistrement W4378800987 · doi:10.1145/3569173.3569176

Crafting Technology-Enhanced Educational Videos for Visual Learners

2022· article· en· W4378800987 sur OpenAlexaff
Chen-Wei Wang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueTeaching and Learning Programming
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésWhiteboardClass (philosophy)Presentation (obstetrics)Computer scienceInteractivityCLARITYMultimediaTheme (computing)DisciplineMathematics educationExperiential learningPsychologyWorld Wide WebArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper discusses aspects of my teaching practice, how my students perceive it, and my reflections on it. The discussion is meant to allow cross-disciplinary educators to consider adopting or adapting from my approach. Students entering the CS or Software Engineering discipline have limited prior exposure to the taught subjects. What exacerbates their learning difficulty is the class size, restricting instructor’s intentional pauses and interactions. Furthermore, there is often a gap between the theoretical insights covered in lectures and the technical pre-requisites for completing the experiential laboratory assignments. My belief in inclusive teaching has led me to support student learning and engagement through an integrated use of: 1) a drawing tablet, replacing the conventional, in-class whiteboard and mirrored to the computer desktop, for illustrating concepts and examples; 2) choreography of computer desktop activities, e.g., slide presentation, illustrations on the drawing tablet and programming IDEs; and 3) recordings accessible outside the classroom for students’ self-paced learning and review. I have acquired my experience and expertise from recording 500+ lectures and 150+ hours of tutorials, where the unifying theme is the constant and frequent use of the drawing tablet for building illustrations, from scratch, of abstract concepts and/or complex examples. In all videos, the same level of clarity, quality of presentation, and proficiency of choreographing visual annotations is maintained. As a voluntary service to my community, I designed and have been running a course designed to share my teaching experience and reflections with fellow instructors across academic disciplines.

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)0,001
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0240,006

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 Opus0,012
Tête enseignante GPT0,295
Écart entre enseignants0,283 · 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
GenreMéthodes

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 sujetTeaching and Learning ProgrammingTravaux en français237 207