MétaCan
Menu
Retour à la cohorte
Enregistrement W2786031136 · doi:10.5539/jel.v7n2p261

Comparative Examination of the Primary School Science Curricula in Turkey (Curricula of 1992, 2001, 2005, 2013 and 2017)

2018· article· en· W2786031136 sur OpenAlexvenueno aff
Hülya Hamurcu

Notice bibliographique

RevueJournal of Education and Learning · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEducation Practices and Challenges
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumConsistency (knowledge bases)Mathematics educationChristian ministryCurriculum mappingCurriculum developmentProcess (computing)Curriculum-based measurementPsychologyMedical educationPedagogyComputer sciencePolitical scienceMedicine

Résumé

récupéré en direct d'OpenAlex

In the present study, the science course curricula of 1992, 2001, 2005, 2013 and 2017 taught at the primary school level in Turkey have been examined comparatively in terms of four main elements (Target, Content, Educational Status, and Measurement and Evaluation). The reason for investigating the science curriculum at five key years was to identify and examine main changes in the system. To this end, the main elements of the curricula were presented in a table. The similarities and differences between the curricula in question were determined and interpreted as a result of the evaluations. The study was carried out using the document review technique, among qualitative research methods. The science curricula published by the Ministry of National Education were analysed in the study. The curricula of the afore-mentioned years were first analysed separately in the process, and then the results were re-investigated by being gathered together. Therefore, it was attempted to ensure the consistency of the data. The results achieved show that the curricula cannot be realized as expected due to certain problems encountered in the process of implementation despite overall positive developments (the fact that teachers are not informed sufficiently, infrastructure problems, crowded classes, the lack of technological equipment, etc.)

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)0,001
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,429
Score d'incertitude au seuil0,410

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,000
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 Opus0,049
Tête enseignante GPT0,329
Écart entre enseignants0,280 · 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'étudeQualitatif
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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetEducation Practices and ChallengesTravaux en français237 207