MétaCan
Menu
Retour à la cohorte
Enregistrement W2615637432 · doi:10.5539/jel.v6n3p305

Critical Thinking Disposition: The Effects of Infusion Approach in Engineering Drawing

2017· article· en· W2615637432 sur OpenAlexvenueno aff
Norazlinda Mohd Darby, Abdullah Mat Rashid

Notice bibliographique

RevueJournal of Education and Learning · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Critical Thinking Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDispositionCritical thinkingMatriculationPsychologyMathematics educationControl (management)Test (biology)Treatment and control groupsTeaching methodPedagogySocial psychologyComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

Critical Thinking Disposition is known as an important factor that drives a student to use Higher Order Thinking Skills (HOTS) in order to solve engineering drawing problems. Infusing them while teaching the subject may enhance students’ disposition and higher order thinking skills. However, no research has been done in critical thinking disposition while teaching engineering drawing. The current study is to evaluate how critical thinking disposition infused in Engineering Drawing affected students’ thinking disposition. Quasi-experimental with non-equivalent control group design was conducted on the groups from two different Technical Matriculation College for 8 weeks. Two teaching methods, which are Conventional approach and Infusion Approach, were used while teaching Engineering Drawing for control group and treatment group. Control group with 29 students and treatment group consist of 31 students were selected as samples. Pre-test shows that there is no significant different in critical thinking dispositions between control group and treatment group. However, the result in post-test shows that treatment group was significantly higher in critical thinking dispositions compared to control group.

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)0,001
score de la tête « metaresearch » (Gemma)0,007
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,012
Tête enseignante GPT0,328
Écart entre enseignants0,316 · 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
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

Citations30
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetEducation and Critical Thinking DevelopmentTravaux en français237 207