Meaningful Learning at a National Historic Site: How Interpretive Tour Message Content Affects Visitor Learning Transfer
Notice bibliographique
Résumé
This study examines meaningful learning transfer at a historic site. Transfer is the ability to apply knowledge to a new situation or setting and can be divided into near and far transfer. Near transfer is characterized by the ability to transfer knowledge to a similar situation, whereas far transfer is the ability to transfer knowledge to a different situation. This between-subject post-test only field experiment investigated the effect of interpretive message design on visitors' ability to transfer leaning from an interpretive audio tour at a heritage site. Interpretive messages were designed to examine the effect of message organizers (i.e. presence or absence of an advance organizer) and message content (i.e. basic, personalized or analogical references) on learning transfer. Visitors to the Winnipeg Exchange District National Historic Site during the 2006 Winnipeg Fringe Theatre Festival were intercepted at the outdoor site and were asked to listen to an interpretive audio tour. After listening to the audio tour participants completed near and far transfer tests. The MANOVA results revealed that no significant differences existed between messages with and without advance organizers with regards to learning transfer. Significant differences were found between personalized messages and basic messages with regards to near and far transfer; furthermore, significant differences existed between analogical reference messages and basic messages with respect to far transfer. These results suggest that near and far transfer are accomplished through different mechanisms and therefore messages need to be carefully designed to accomplish the type of transfer desired. This study provides interpreters with insight into how visitors' meaningful learning can be enhanced at historic sites.
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 | 0,003 | 0,032 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».