Implementing Diverse Continuous Reflective Strategies in a Multi-Section General Chemistry II Lab
Notice bibliographique
Résumé
Chemistry labs are often taught using a rote mechanical approach without much explicit scaffolding for academic reflection by the students. Reflection, however, can play an essential role in learning because it is an evidence-based learning process that generates, deepens, critiques, and documents learning. By moving away from traditional teaching approaches and emphasizing reflection, the first-year chemistry lab could support students in developing more diverse skills, a growth mindset, and greater engagement. The current study, which represents phase four of a multi-year project, explores first-year students’ attitudes toward reflective learning in a chemistry laboratory setting that focuses explicitly on supporting reflection. Two creative student-directed inquiry-based experiments were redesigned and implemented with diverse reflective strategies in order to support students’ sense-making skills and stimulate their understanding of scientific concepts. Data were collected using surveys and students’ reflective artifacts. The surveys are analyzed to better understand students’ attitudes and perspectives about the reflection exercises, and the artifacts are examined to explore students’ understanding of concepts and personal growth. A qualitative content analysis approach was used to analyze data. Findings show that many students welcome the inclusion of reflective exercises in the lab curriculum. Students appreciate the design of scaffolding different reflective exercises, which helped to enhance their learning from basic observation to critical thinking. Furthermore, the artifacts demonstrate positive outcomes in terms of deeper academic learning and personal growth as chemists.
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 | 0,008 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,009 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».