How Korean Language Arts Teachers Adopt and Adapt Open Educational Resources: A Study of Teachers’ and Students’ Perspectives
Notice bibliographique
Résumé
<p class="3">Since 2005, open educational resources (OER) have played a key role in K-12 education in South Korea; so far, however, there has been little discussion about OER efficacy in South Korean K-12 education. In the meantime, South Korean education has been attracting a lot of interest around the world. Former U.S. President Obama’s comments about South Korean education might also be caused by South Korean students’ academic performance evaluated by international large-scale assessments such as the Program for International Student Assessment (PISA). This article uses an ethnographic perspective to explore the experiences of teachers and students in the Korean context. The analysis of the findings shows how teachers adopt and adapt OER for their 12<sup>th</sup> grade (the final year of secondary school) Korean language arts classes. Through classroom observations, interviews, and questionnaires, this exploration revealed that nearly 92% of the students perceived OER as beneficial to their studies and that teachers were spurred on to orchestrate differentiated instructional plans by OER. We argue that there is significant value to using OER in the formal educational curriculum, but that a lack of knowledge of how to adapt OER restricts how their potential is realized in practice. We identify implications for maximizing OER adaptation and successful usage of OER in K-12 education.</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 | 0,007 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,004 |
| 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 ».