Collaborative Concept Mapping: Investigating the Nature of Discourse Patterns and Features of a Concept Map
Notice bibliographique
Résumé
Research in science education has established the significance of collaborative concept mapping as a powerful strategy in fostering conceptual learning. During such collaboration, students talk about concept map features (i.e., concepts to include, linking words, and cross-links) in constructing a joint map. The quality of the concept map produced depends on the nature of discourses that happen in these collaborative interactions. We explored the nature of discourses between pairs of biology students collaborating on concept mapping and how these discourses contribute to the enhancement of different features of the concept maps. Six students individually constructed weekly individual maps on different topics and then came together in pairs to construct a joint concept map. Their discussions during collaboration were audio-recorded. Both the individual and joint concept maps were analyzed for knowledge of breadth, knowledge of depth, and knowledge of connectedness. To analyze the discussions and understand the nature of the discourses, both deductive and inductive coding approaches were used. The coded episodes were then categorised into the nine discourse patterns identified by Fu et al. (2016). We then matched the episodes with the concept map features that were discussed. Findings indicate that the biology students’ collaboration exhibited mostly knowledge-sharing discourses when deliberating on the three features of a concept map. In turn, the number of valid concepts and propositions improved from individual to joint maps. Although the students’ discussions of cross-links were characterized by knowledge-sharing discourses, most of the joint maps did not show improvement in terms of the number cross-links. We discuss these findings and provide implications regarding the value of understanding the intricacies of discourse patterns in collaborative concept mapping. La recherche dans le domaine de l'enseignement des sciences a établi l'importance de la cartographie conceptuelle collaborative en tant que stratégie puissante pour favoriser l'apprentissage conceptuel. Au cours de cette collaboration, les élèves discutent des caractéristiques de la carte conceptuelle (c'est-à-dire des concepts à inclure, des mots de liaison et des liens croisés) pour construire une carte commune. La qualité de la carte conceptuelle produite dépend de la nature des discours tenus lors de ces interactions collaboratives. Nous avons exploré la nature des discours entre des paires d'étudiants en biologie collaborant sur la cartographie conceptuelle et la façon dont ces discours contribuent à l'amélioration des différentes caractéristiques des cartes conceptuelles. Six étudiants ont construit individuellement des cartes hebdomadaires sur différents sujets et se sont ensuite réunis par paires pour construire une carte conceptuelle commune. Leurs discussions pendant la collaboration ont été enregistrées. Les cartes conceptuelles individuelles et communes ont été analysées du point de vue de la connaissance de l'étendue, de la connaissance de la profondeur et de la connaissance de la connexité. Pour analyser les discussions et comprendre la nature des discours, des approches de codage à la fois déductives et inductives ont été utilisées. Les épisodes codés ont ensuite été classés dans les neuf modèles de discours identifiés par Fu et al. (2016). Nous avons ensuite mis en correspondance les épisodes avec les caractéristiques de la carte conceptuelle qui ont été discutées. Les résultats indiquent que la collaboration des étudiants en biologie présentait principalement des discours de partage des connaissances lorsqu'ils délibéraient sur les trois caractéristiques d'une carte conceptuelle. Par ailleurs, le nombre de concepts et de propositions valides s'est amélioré entre les cartes individuelles et les cartes communes. Bien que les discussions des étudiants sur les liens croisés aient été caractérisées par des discours de partage des connaissances, la plupart des cartes conjointes n'ont pas montré d'amélioration en termes de nombre de liens croisés. Nous discutons de ces résultats et fournissons des implications concernant la valeur de la compréhension des subtilités des modèles de discours dans la cartographie conceptuelle collaborative.
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 | 0,002 | 0,011 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».