Curiosity-Driven, Inquiry-Based Science Projects Bridge Face-to-Face and Online Learning Formats During COVID-19: A Teacher's Community of Inquiry
Notice bibliographique
Résumé
This paper is a report on a year-long action research project with a Community of Inquiry where a group of teachers from across primary, secondary, and tertiary contexts were developing and implementing student-centered, curiosity-driven, inquiry-based science projects to bridge face-to-face and online learning contexts and support their students’ engagement in learning during the COVID-19 pandemic. We followed the teachers through two research cycles to investigate their driving question: “How can we best support our students’ learning in blended learning environments through Curiosity-Driven, Inquiry-Based Science Education?” We report on their ideas, successes, and challenges as they created and implemented eighteen projects. In the first cycle of inquiry in fall 2020, the teachers met online to discuss plans, they implemented their plans with their classes, and they met online to reflect on their projects and share resources. In the second cycle of inquiry in spring 2021, the teachers met online again for further planning, implementation, and reflection. We recorded all online meetings, collected resources that teachers shared, and conducted thematic analysis. Findings indicated the primary focus for the teachers were: which education technology methods to use; the importance of supporting their students’ voices to discuss their work at all stages of their projects; coming up with appropriate means of assessment of their students’ projects; supporting their students in their developing research and problem-solving skills; and supporting their students to reflect on their learning. This study is significant because it demonstrates the creativity and innovation of a group of teachers in their efforts to support their students’ engagement and learning through Curiosity-Driven, Inquiry-Based Science Education during the Covid-19 pandemic. The teachers’ projects have been shared on an Open Education Resource.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,034 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,017 | 0,010 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,004 | 0,025 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».