Instrument for Assessing Disposition for Contextual Learning of Science of Students in East Africa
Notice bibliographique
Résumé
Attempts to make classroom science relevant to the real worlds of students can be enhanced by understanding their ways of learning and knowing. This study, which investigated East African (EA) students’ ways of knowing in science discourses, discusses the development, validation, and application of an instrument to assess EA students’ disposition for contextual learning of science. The Instrument for Assessing Disposition for Contextual Learning of Science (I-ADCLOS) is intended to assist teachers and students to assess their degree of disposition for contextual teaching and learning of science. Exploratory factor analysis of student responses to a 36-item questionnaire developed from theory yielded a validated 31-item I-ADCLOS comprising three dimensions and six subdimensions: Personal Awareness of Influences on Learning Science and Limitations of Traditional Knowledge (PA_ILS_LTK); Attitudes Towards Science Learning in Local Contexts and Nature of Traditional Knowing (AT_SLiLC_NoTK); and Orientation Towards Collateral and Personal Learning Strategies (OTC_PLS). These dimensions were further explored and determined to each bear two subdimensions—PA_ILS_LTK: (a) independence of science learning from cultural influences and (b) metacognitive learning; AT_SLiLC_NoTK (a) instrumentalist–culturalist perspectives and (b) exam-centered, textbook/teacher reliant learning; and OTC_PLS (a) personal awareness of successful learning strategies and other ways of knowing and (b) privileging science and learning by rote.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».