MétaCan
Menu
Retour à la cohorte
Enregistrement W4385189981 · doi:10.20355/jcie29529

Towards an Inclusive Pedagogy: Applying the Universal Design for Learning in an Introduction to History of Global Art Course in Ghana

2023· article· en· W4385189981 sur OpenAlexaffvenue
Dickson Adom, Winston Kwame Abroampa, Richard Amoako, Cathy Mae Dabi Toquero, Steve Kquofi

Notice bibliographique

RevueJournal of Contemporary Issues in Education · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCollaborative Teaching and Inclusion
Établissements canadiensUniversité de MontréalUniversité LavalUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésUniversal Design for LearningInclusion (mineral)Context (archaeology)Mathematics educationPedagogyReading (process)PsychologyComputer sciencePolitical scienceSocial psychologyGeography

Résumé

récupéré en direct d'OpenAlex

This convergent parallel mixed methods study was aimed at addressing the lack of empirical studies in the implementation of Universal Design for Learning (UDL) as an inclusive pedagogy in the Ghanaian higher education context. The overarching objective was to find out whether UDL has the potential in improving the learning processes and learning outcomes of the diverse students reading a History of Global Art course. Quantitative and qualitative data sets were garnered from 122 conveniently sampled students using an adapted version of the Inclusive Teaching Strategies Inventory-Students (ITSI-S) survey instrument. The findings of the study revealed that the UDL principles of multiple means of representation, multiple means of engagement and multiple means of action and expression impacted positively on students’ learning processes and outcomes. UDL assisted greatly in the development of collaborative, problem-solving, good time management and critical thinking skills, while increasing learners’ level of motivation. The study contends that though the UDL as an inclusive pedagogical approach requires a lot of dedication on the part of the instructor as well as a great deal of time and material resources, the accrued benefits of its implementation on the students’ learning processes and learning outcomes are far-reaching.

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)0,011
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,011
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
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 Opus0,046
Tête enseignante GPT0,414
Écart entre enseignants0,368 · 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

Citations8
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Contemporary Issues in EducationMême sujetCollaborative Teaching and InclusionTravaux en français237 207