The Impact of the 5E Teaching Model on Changes in Neuroscience, Drug Addiction, and Research Methods Knowledge of Science Teachers Attending California’s ARISE Professional Development Workshops
Notice bibliographique
Résumé
<p>This study examined how science teachers’ knowledge of research methods, neuroscience and drug addiction changed through their participation in a 5-day summer science institute. The data for this study evolved from a four-year NIH funded science education project called Addiction Research and Investigation for Science Educators (ARISE). Findings were based on pre- and post-test evaluation data from three annual cohorts in June 2010, 2011 and 2012. Researchers found significant improvement in teacher knowledge overall and on all subscales. Teachers with lower pre-test scores showed the greatest gain in post-test scores. What made this in-service unique was that the 5E pedagogical model was used to teach the teachers and demonstrate 5E instruction in the science classroom. Through the use of the 5E teaching method, we found that teachers in our cohorts with the least skill had higher rates of gain. A strategy that has been used extensively to teach science to children, this model moves away from didactic methods of in-service pedagogy. These findings suggest that the 5E model could be an effective way to teach teachers as well as students, particularly new and or less skilled teachers, who often tend to have high numbers of English Learner (EL) students in their classes.</p>
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 | 0,008 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».