MétaCan
Menu
Retour à la cohorte
Enregistrement W2473011806 · doi:10.12957/jse.2016.23547

TWO-DIMENSIONAL AND THREE-DIMENSIONAL MODELS USED FOR TEACHING HUMAN EVOLUTION IN SECONDARY SCHOOLS. LEARNING PROFICIENCY ASSESSMENT. A CASE STUDY

2016· article· en· W2473011806 sur OpenAlexfundno aff
Ulisses Dardon, Viviane Cristina Vieira, Stella Barbara Serodio Prestes, Thaís de Castro Cunha Parméra, Leonardo Cotts, Lílian Paglarelli Bergqvist

Notice bibliographique

RevueJournal of Sedimentary Environments · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueAnimal and Plant Science Education
Établissements canadiensnon disponible
Organismes subventionnairesEgg Farmers of Canada
Mots-clésCurriculumMathematics educationProcess (computing)Computer sciencePsychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

The evolution of the human species is a topic of extreme importance reported in the “Parâmetros Curriculares Nacionais do Ensino Médio – PCNEM” (National Curriculum Standards of Secondary Education), although it is not often taught as part of basic education. This work presents the results of an experimental work performed with 31 students of a religious high school of State of Rio de Janeiro. Learning proficiency was assessed by using two-dimensional (2D) and three-dimensional (3D) illustration techniques of hominids skulls and a Pongidae for teaching Human Evolution. The teaching-learning process using these methodologies was more effective with the application of three-dimensional (3D) illustration techniques. The group of students that used 3D illustrations were able to observe similarities and differences between the presented taxonomic models, and formulate hypotheses about their palaeobiology more consistently than the students that used 2D models. Results of this work indicate that the use of three-dimensional techniques (3D) provides an excellent support to teaching-learning process in basic education, captivating and stimulating new interests of students during the educational process.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil0,513

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,332
Écart entre enseignants0,302 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sedimentary EnvironmentsMême sujetAnimal and Plant Science EducationTravaux en français237 207