MétaCan
Menu
Retour à la cohorte
Enregistrement W9489125 · doi:10.1080/17843286.1997.11718593

Cooperative Learning in Scotland. Perspectives on the role of cooperative learning in supporting curricular policy and innovation

2010· article· en· W9489125 sur OpenAlexaboutno aff
Clare McAlister

Notice bibliographique

RevueActa Clinica Belgica · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueReflective Practices in Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumExcellenceContext (archaeology)Experiential learningActive learning (machine learning)Cooperative learningPedagogyVariety (cybernetics)SociologyMathematics educationTeaching methodPolitical sciencePsychologyComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The stated aim of the new Curriculum for Excellence is to deliver an education system in Scotland that meets the demands of the 21st Century. The new curriculum has been the subject of controversy relating to its capacity to support learning and the approaches to learning and teaching it advocates. The changes in curriculum require developments, for some practitioners, in how learning and teaching takes place with a focus on active learning. This paper explores whether one active learning strategy, cooperative learning, can assist teachers in delivering the new curriculum. Cooperative learning is a pedagogy that has been the focus of significant research in the United States and Canada with developing interest in a variety of countries (Gillies 2000; Gillies & Boyle 2005; Johnson 1993; Johnson 1985; Kagan & Kagan 2009; Slavin 1984; Weigmann 1992) but to date the research in the UK is limited. This paper explores findings on cooperative learning in a global context and through a case study in Scotland. The case study reported in this paper reflects on the responses of pupils to the introduction of cooperative learning in a secondary school in Scotland and the ways in which this approach appeared to support them in developing the four capacities of the new curriculum.

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)0,006
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,124
Score d'incertitude au seuil0,246

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0100,018
Communication savante0,0110,006
Science ouverte0,0010,008
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,032
Tête enseignante GPT0,433
Écart entre enseignants0,401 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueActa Clinica BelgicaMême sujetReflective Practices in EducationTravaux en français237 207