Curiosity-Driven, Inquiry-Based Science Projects Bridge Face-to-Face and Online Learning Formats During COVID-19: A Teachers
Notice bibliographique
Résumé
The mass closure of schools as a result of the Covid-19 pandemic paralyzed many children’s education. Teachers across the globe did their best to engage students and help support their learning through online educational formats. However, teachers and parents indicated that students' struggled with these approaches. This study aims to build on successes some science teachers had using curiosity as a starting point in inquiry-based science projects that bridged face-to-face and online learning formats. This year-long qualitative, participatory action research study brings together fourteen teachers (seven elementary and seven secondary) and four university faculty using an online community of inquiry framework. This work is in its early stages. Through two cycles of planning, implementation and reflection, the community of inquiry will ultimately develop a model for best practices and resources that respond to the educational challenges faced during the pandemic and help prepare teachers for future crises. These materials will be shared with other teachers as open education resources, that are freely accessible, digital, re-mixable and revisable. This work will also contribute to theory regarding best practices for curiosity-driven, inquiry-based science education in blended learning spaces.
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 | 0,021 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,012 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,002 | 0,017 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».