MétaCan
Menu
Retour à la cohorte
Enregistrement W2565879373 · doi:10.5539/ies.v10n1p12

Using a Review Book to Improve Knowledge Retention

2016· review· en· W2565879373 sur OpenAlexvenueno aff
Rıdvan Elmas, Bülent Aydoğdu, Yakup Saban

Notice bibliographique

RevueInternational Education Studies · 2016
Typereview
Langueen
DomaineSocial Sciences
ThématiqueEducational Assessment and Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematics educationFocus groupPsychologyContent analysisQualitative researchData collectionQualitative propertyPedagogyComputer scienceSociology

Résumé

récupéré en direct d'OpenAlex

This study has two primary objectives. The first one is preparation of an efficient review book including a series of activities, which will help fourth grade students exercise what they learned in the elementary science course in a year. The second objective is examination of the prepared book in the framework of student and teacher opinions. In this study, 10 classroom teachers are interviewed at the initial stage. As a result of these interviews, a significant need is determined for a review book for elementary science course, particularly. In the study, qualitative research methods, such as observation, interviews, document analysis and focus group discussion, are used. Data collection tools compose of review book for elementary science course, teacher interview forms, student focus group discussion form and forms, in which students evaluate all activities in the book. The review book prepared by the researchers consists of 38 activities. This book was applied to 25 fifth grade students. These interviews are supported with data of observation and document analysis. The obtained data are analyzed with the content analysis. The review book is considered efficient by teacher and students. This is because it can be applied within a short time and contains whole elementary science topics of fourth grade. Furthermore, teacher can specify students' prior knowledge at the beginning of the academic year and adjust the level and teaching methods in the course accordingly. It can also be used effectively throughout the term.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,031
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,004
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,453
Tête enseignante GPT0,642
Écart entre enseignants0,189 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetEducational Assessment and PedagogyTravaux en français237 207