Teacher and Student Questions: A Case Study in Malaysian Secondary School Problem-Based Learning
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Problem-based learning (PBL) promotes high order questioning and stimulates student thinking, thus playing an important role in preparing students to face real-world challenges. Yet, PBL is an uncommon instructional strategy in Malaysian secondary school science classrooms. Occurrence of questioning in the traditional spoon-feeding classroom is low. Thus, the PBL model adapted from Barrows has been introduced. This article investigates whether PBL is able to promote high order questioning and thinking in the Malaysian science classroom. A PBL class with 1 teacher and 17 students divided into 4 groups was observed, video-and audio-recorded, and the verbatim were analysed. Questions are categorized into high order, low order, eliciting ideas, and evaluating ideas questions. Findings show that the percentage of student questions is 67.9% while for teacher questions is 32.1%. The amount of student questions per hour is relatively high at 8.2 questions per student. Nearly half of the classroom questions are low order questions (47.9%), such as clarification, verification, concept completion, disjunctive, definition, example, quantification, and feature specification questions. High order questions consist of 16.3%, which include causal antecedent, causal consequence, goal orientation, comparison, enablement, and reflective questions. Eliciting ideas questions raised by the teacher cover 8.8% while evaluating ideas questions by students cover 27.1%. This study shows that the PBL environment promotes active learning, student thinking, and questioning in the Malaysian science classroom. However, student and teacher questions should be enhanced to be at higher order level. Several suggestions to extend low order questions into high order questions are discussed in this paper.
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.
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 | 0,007 | 0,001 |
| 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 | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle