Taxonomy of Educational Objectives: Teaching, Learning, and Assessing in the Information and Artificial Intelligence Era
Notice bibliographique
Résumé
This study reviews existing taxonomies and proposes a new educational taxonomy that fulfills the educational needs of the current era, the information and Artificial Intelligence (AI) era. The review of previous educational taxonomies revealed that although they provide insights into establishing educational objectives and learning outcomes, they still need to address recent changes and challenges in learning processes. To (1) integrate the new realities into the landscape of learning (i.e., Education for sustainable development (ESD), soft skills development, and AI), (2) maintain the classroom as the formal venue for learning, and (3) strengthen the position and role of instructors as facilitators, a new six-category two-fold hierarchy-based taxonomy is proposed (AlAfnan Taxonomy): (1) Knowledge and Comprehension, (2) Synthesis and Evaluation, (3) Ethical and Moral Reasoning, (4) Application and Strategic Thinking, (5) Creativity and Innovation, and (6) Lifelong Learning and Adaptability. The taxonomy begins with foundational levels of ‘Knowledge and Comprehension’ stressing the importance of understanding fundamental realities and concepts within specific fields. Then, it addresses the importance of ‘Synthesis and Evaluation’ as essential and crucial skills for navigating an information-rich world. ‘Ethical and Moral Reasoning’ highlights the significance of ethical decision-making, moral frameworks, and culture-based diversity. Further, the taxonomy introduces ‘Application and Strategic Thinking’, emphasizing the practical use of knowledge in real-world scenarios and the ability to devise long-term plans. ‘Creativity and Innovation’ are essential drivers of progress in an era characterized by rapid technological advancements encouraging learners to explore novel solutions and approaches. Lastly, ‘Lifelong Learning and Adaptability’ underscores the necessity of continuous learning and flexibility in response to evolving circumstances, ensuring students and graduates remain competitive and relevant throughout their lives. By nurturing a multifaceted skill set encompassing critical thinking, ethical awareness, practical application, creativity, and adaptability, this taxonomy aims to equip learners with the necessary tools to excel in a dynamic and complex world, making it indispensable for modern education.
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 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,012 | 0,009 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,009 | 0,016 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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 ».