Facteurs qui influencent la conception des tâches de robotique pédagogique soutenant la résolution collaborative de problèmes
Bibliographic record
Abstract
La capacité à résoudre des problèmes de manière collaborative constitue une compétence fondamentale pour les élèves du primaire. Les travaux de recherche se sont majoritairement focalisés sur l’analyse et l’évaluation de cette compétence chez les élèves du primaire. Cependant, peu d’attention a été portée au processus de conception des tâches visant à favoriser le développement de la résolution collaborative de problèmes chez ces élèves. Pourtant, la résolution collaborative de problèmes ne peut émerger de manière pertinente que si les tâches sont conçues de manière à encourager les élèves à collaborer. Cette recherche se concentre spécifiquement sur le processus de conception des tâches liées à la robotique pédagogique et utilise, comme cadre théorique, la théorie de l’activité d’Engeström. Les participants, composés d’enseignants du primaire et de conseillers pédagogiques, ont répondu à un questionnaire portant sur leur démarche de conception de tâches et ont participé à deux entrevues de groupes. Les résultats soulignent que la conception des tâches de robotique pédagogique, qui vise à développer la résolution collaborative de problèmes chez les élèves, est tributaire des habiletés technologiques et de conception de tâches en robotique pédagogique de la personne conceptrice. Les règles régissant la conception des tâches de robotique pédagogique incluent le temps nécessaire à leur mise en place et le travail d’équipe.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.035 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.006 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".