Notice bibliographique
Résumé
Hvordan udnytter vi potentialerne i digitale teknologier i undervisningen? Hvor og hvordan kan digitale teknologier bidrage til at tænke og tilrettelægge undervisning på nye måder, så de udvider elevers og studerendes muligheder for at undersøge, løse, skabe, udtrykke sig osv.? Gennem en model for fire typer af digitale læringsrum giver forfatterne bud på, hvordan vi med digitale teknologier kan indrette læringsrum, der styrker den enkelte elevs handlekraft, gruppers kollaborative vidensopbygning, vidensdeling i klassen og interaktion med omverdenen. De fire digitale læringsrum er: Det individuelle rum - Arbejdsgruppe - Interessefællesskab - Åbne forbindelser. I denne 2. udgave er bogen opdateret med nye eksempler på brug af digitale værktøjer og refleksioner over, hvor generativ AI hører til inden for læringsrummene. Den primære målgruppe for bogen er studerende, der er ved at uddanne sig til at undervise andre, fx lærerstuderende på professionshøjskolerne, studerende på diplomuddannelser og universitetsstuderende. Derudover henvender den sig også til lærere, undervisere, pædagogiske konsulenter, uddannelsesledere og it-vejledere på tværs af folkeskole, gymnasiale uddannelser og videregående uddannelser. (Forlagsbeskrivelse)
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,013 | 0,009 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,314 | 0,186 |
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 ».