MétaCan
Menu
Retour à la cohorte
Enregistrement W2787244561 · doi:10.5430/ijhe.v7n1p111

The Use of Qualitative Case Studies as an Experiential Teaching Method in the Training of Pre-service Teachers

2018· article· en· W2787244561 sur OpenAlexvenueno aff
İlhami Arseven

Notice bibliographique

RevueInternational Journal of Higher Education · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExperiential learningConceptualizationQualitative researchMathematics educationConstructivism (international relations)PsychologyComputer sciencePedagogySociologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This study presents the suitability of case studies, which is a qualitative research method and can be used as a teaching method in the training of pre-service teachers, for experiential learning theory. The basic view of experiential learning theory on learning and the qualitative case study paradigm are consistent with each other within the framework of such principles as subjectivity, environmental interaction, holism, contextuality, constructivism, and access to information (theorizing). The concrete experience mode of the experiential learning cycle corresponds to the data collection stage of qualitative case studies, the reflective observation mode corresponds to the data analysis stage, and the abstract conceptualization mode corresponds to the theorizing stage. Accordingly, this study notes that qualitative case studies can be used as a teaching method in the school experience course for the pre-service training of pre-service teachers. It also explains in detail the steps to be taken when this new method is used in the teaching process, the preparations that should be done prior to the employment of the method, and what should be considered in the application of the method.

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)0,053
score de la tête « metaresearch » (Gemma)0,063
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,282

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0530,063
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,007
Communication savante0,0050,005
Science ouverte0,0020,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,250
Tête enseignante GPT0,575
Écart entre enseignants0,326 · 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'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

Citations25
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Higher EducationMême sujetEducational Games and GamificationTravaux en français237 207