Notice bibliographique
Résumé
This thesis studies the concept of Low-carbon education and researches the background of the theory, then commits further analysis of the application of Low-carbon education theory in the fields of teaching. On the basis of this, the effectiveness and rationalization of application in the Low-carbon education theory in teaching were confirmed from many aspects. Among them, it is mainly analyzed both from the objective and subjective factors. These factors mainly exist in teaching methods. This thesis is developed from the following aspects: First discusses the relevant research on low-carbon education theory, define Low-carbon education and also illustrate function of Lower-carbon education in teaching; states the relationship between Low-carbon education and fuzzy theory, proves that there is internal consistency lies in Low-carbon education and fuzzy theory, these theories can be used in teaching; then discusses the investigation results under the situation of Low carbon education; at last discuss how to improve teaching methods under Low-carbon educational point of view, sums up the investigation results and puts forward the essence of teaching activity and the effective principles in teaching. It is necessary to advocate Low-carbon education in teaching in order that the complicated process can be effectively fulfilled. Teaching is not only a practice process based on text books. This can not be achieved by one single teaching method. Therefore we should advocate Low-carbon education theory in teaching in order to break the barrier in teaching and learning. We should take diversified forms of teaching, and explore the essential change so that the students can gain ability not only skills.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».