MétaCan
Menu
Retour à la cohorte
Enregistrement W4384338062 · doi:10.1080/10400419.2023.2234703

<i>My Creative World (MCW)</i> : Improving Creative Thinking in Elementary School-Aged Children

2023· article· en· W4384338062 sur OpenAlexaff
Fuat Balcı, Gökçe Elif Baykal, Tilbe Göksun, Yasemin Kisbu‐Sakarya, Asιm Evren Yantaç

Notice bibliographique

RevueCreativity Research Journal · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueCreativity in Education and Neuroscience
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésCreativityPsychologyCreative thinkingDevelopmental psychologyTorrance Tests of Creative ThinkingMathematics educationPedagogySocial psychology

Résumé

récupéré en direct d'OpenAlex

Many training programs have aimed to improve creative thinking abilities in various settings. The study of relevant literature revealed a relatively lower number of creativity programs for children than those developed for adults. The current work introduces a new and comprehensive nine-week long creativity intervention program implemented (out of school-setting) in 8- to 11-year-old children of socioeconomically disadvantaged families in Turkey. The intervention program was organized around four main themes (Persona, Object, Surrounding, Experience) and composed of nine activities: collection making, identity box, building a memory-device, designing an object, sensory mapping, designing a space, visual storytelling, exploring an imaginary planet, and solving a social conflict. Children (n = 159) were randomly assigned to experimental and control groups, and they took the Torrance Tests of Creative Thinking both before and after the intervention. Results showed that children in the experimental group had significantly higher verbal fluency and originality scores at the posttest compared to the control group. These results provide further evidence for the trainability of creativity and introduce a novel, affordable creativity intervention program that is feasible enough to be implemented in and out of the school setting.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,107
Tête enseignante GPT0,457
Écart entre enseignants0,350 · 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'étudeObservationnel
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

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCreativity Research JournalMême sujetCreativity in Education and NeuroscienceTravaux en français237 207