A Technological Pedagogical Content Knowledge (TPACK) Scale for Geography Teachers in Senior High School
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
With information technology being employed extensively in school education，the TPACK (Technological Pedagogical Content Knowledge) theoretical framework is adopted by a growing number of researchers to study, assess and advance teachers’ ability to integrate IT into course teaching. However, there is no measurement instrument designed specifically to assess Geography teachers’ TPACK competences in Mainland China so far. In this study, based on the currently available TPACK measurement instruments, we attempt to develop, following the 7-factor TPACK model, a measurement scale for senior high school Geography teachers in Mainland China. Invitation emails were sent to target teachers and a total of 869 valid responses were received from 9 Mainland provinces. Confirmatory factor analysis was administered on the collected data to attest convergent validity and discriminant validity of the scale, as well as the 7-factor TPACK model. As demonstrated with our research findings, the TPACK knowledge structure of senior high school Geography teachers in Mainland China accords with the 7-factor model, with factor loadings of the 37 measured variables all distributed between 0.57 and 0.94, and composite validity values of each factor ranging between 0.87 and 0.93, which indicates the scale has good convergent validity; after the seven factors being paired with each other, the chi-square value differences between constrained and unconstrained models all reach the significant level of 0.05, which indicates the scale has good discriminant validity.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| 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