MétaCan
Menu
Retour à la cohorte
Enregistrement W7137994443 · doi:10.21606/iasdr.2025.73

Failing through Play: Integrating Iterative Design Methods to Foster Creativity in Primary Education

2025· article· W7137994443 sur OpenAlexaff
Fernanda Luiza Fontes, Wonjoon Chung

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineArts and Humanities
ThématiqueArt Education and Development
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésCreativityIterative and incremental developmentQualitative researchPrimary educationTeaching methodConstruct (python library)Iterative method

Résumé

récupéré en direct d'OpenAlex

Creativity is one of the essential skills to navigate the complexities of the 21st century. In this exploratory research, we investigate how design can enhance current pedagogical methods in primary education to foster creativity in problem-solving activities. Using a case study method, we conduct semi-structured interviews with educators to understand their approaches, motivations, and the barriers they face when employing these activities in their classrooms. We also verify the iterative methods currently incorporated into these activities. Our analysis suggests that crucial elements of the design creative process, such as iteration and problem-finding, are often overlooked. Furthermore, the concept of “iteration” itself is not widely understood in the education field. These findings led us to propose a conceptual framework that integrates play and iterative design methods into primary education, making problem-solving and learning process more enjoyable and minimizing feelings of frustration that often arise from failure. Although the results are not conclusive, these finding suggests promising directions for further investigation and provide insights that can contribute to existing definitions of design and creativity in education.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,029
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,153

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,038
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0030,009
Communication savante0,0070,006
Science ouverte0,0030,009
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,077
Tête enseignante GPT0,388
Écart entre enseignants0,311 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetArt Education and DevelopmentTravaux en français237 207