Disconnected Connections of Learning Beyond Formal Schooling Through Human–Computer–Human Interactions
Notice bibliographique
Résumé
Abstract This article originated from a working group on “Learning beyond formal schooling through human–computer–human interaction (HCHI)” convened at the UNESCO EDUSummIT 2023 in Kyoto (Japan). A polylogue approach was adopted by engaging eight co-authors whose diverse perspectives culminated in propositions that addressed the pivotal question: How should the connections between formal, non-formal, and informal learning be considered in a digitally mediated world? Formal learning is typically structured, organized and chronologically arranged institutional learning, whereas informal learning is associated with everyday learning across contexts throughout one’s life, and non-formal learning is a hybrid of these forms of learning. Considering the growing prominence of informal and non-formal learning in a digitally mediated world, the evolving learning ecosystem calls for a recalibration of the emphasis on formal learning. In this regard, HCHI has the potential to mediate human–human interactions, thereby bridging formal and informal learning. Our articulated position is to preserve the distinct boundaries and inherent complexities of each type of learning while creating opportunities or ‘bridges’ to authentically draw on the processes of each through meaningful actions. The polylogue yielded three propositions to bridge the connections between formal, non-formal and informal learning spaces in a digitally mediated world: (a) formal education institutions can establish strategic alliances and collaborations with learning organizations beyond the formal educational system, (b) the creation of digital learning communities within formal and non-formal spaces exemplify a paradigm of operation in an unregulated, student-centric cohesive space where the educator is a co-participant, (c) the recognition of the value of informal learning experiences by formal education institutions is critical, with emphasis on the learning process rather than the product.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,022 |
| Communication savante | 0,011 | 0,012 |
| Science ouverte | 0,001 | 0,013 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».