Exploring Children’s Online Summer Camp Adventures through Creativity and Problem Solving
Notice bibliographique
Résumé
Summer camps can help children continue to learn beyond school, build knowledge, keep their learning skills sharp, and help them prepare for the following school year. This paper presents participants’, facilitators’, and researchers’ experiences in a “Problem Solvers Camp” held in the Maker Lab at an Ontario University. A total of 12 junior students participated in a one-week summer camp, during which the participants developed plausible solutions for mathematical and instant problems using their creativity while learning some mathematical concepts. The creative learning spiral (CLS) model was adopted while designing the learning activities. Throughout the camp, children had the opportunity to work with virtual tech tools to design, create, and play to complete their challenges. Afterward, they shared their work for feedback and generated new ideas to promote their creative learning. The data were collected through observations, participants’ work, and their portfolios to highlight the campers’ experiences throughout the camp. On the last day of the camp, the researchers also ran focus group interviews. Data analysis showed that CLS might offer engaging environments that enhance children’s creative and reflective thinking skills to solve real-life problems. This study enabled children to engage in all stages of the CLS during problem solving, encouraging the exchange of ideas and opinions. The implementation of the CLS model also has the potential to inspire creativity and enhance learners’ fluency and elaboration skills, especially when complemented by technological or coding tools.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».