Employing the intellectual virtues to better understand argumentation interventions in education
Notice bibliographique
Résumé
Argumentation-based classroom interventions are a growing alternative for stimulating conceptual learning, thinking, and communicative skills. However, not all classroom argumentation is desired, nor does every argumentation design lead students to develop their abilities and understanding. In the educational literature, productive argumentation has been associated particularly with deliberation due to the design properties that deliberative practices demand from students, such as collaborating towards a goal, revising one’s own opinion, listening to others, and changing their minds when it is necessary to arrive at a collective decision or problem resolution. We contend that what makes deliberation productive is not argumentation in itself, but how a certain type of design scaffolds students into virtuous-like behavior, which can be the enabling condition for productive argumentation in classroom activities. Through the exploration of three cases of classroom argumentation and discussion experiences, we hypothesize that virtuous-like behavior may serve as an enabling condition for each intervention. In particular, intellectually humble behaviors could be scaffolded within these interventions because all three create the proper environment for students to revise their own positions, listen carefully to others, and change their minds in light of appropriate reasoning or new evidence. Employing an intellectual virtues framework, advances our understanding of how to design classroom environments for productive argumentation. This paper thus presents a novel and pioneering approach to understanding argumentation in the classroom by incorporating the concept of intellectual virtues, bridging the gap between virtues and traditional research, and offering fresh perspectives on the field.
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 | 0,010 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,013 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».