MétaCan
Menu
Retour à la cohorte
Enregistrement W2793224258 · doi:10.5430/jct.v7n1p52

Sciences Teacher Education Curriculum Re-alignment: Science Education Lecturers’ Perspectives of Knowledge Integration at South African Universities

2018· article· en· W2793224258 sur OpenAlexvenueno aff
Kwanele Booi, Mamsi Ethel Khuzwayo

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Learning Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumDeliberationHigher educationSubject (documents)PedagogyProcess (computing)SociologyKnowledge integrationScience educationEngineering ethicsPolitical scienceKnowledge managementEngineeringLibrary scienceKnowledge engineeringComputer science

Résumé

récupéré en direct d'OpenAlex

A qualitative case study was conducted at six purposively sampled universities; out of a population of approximately23 universities. This sampling strategy was based on selecting some universities that became Universities ofTechnology during the process of merging Higher Education Institutions (HEIs) while other universities kept theiridentity; currently being referred to as Traditional Universities. In-depth interviews and analysis of curriculumdocuments were used as sources of data acquisition to address the aim and questions explored by this study explored;necessitated by the need to implement Minimum Requirements for Teaching Education Qualification (MRTEQ)policy guidelines. The sampled universities’ identities were concealed and pseudonyms were assigned to participantsfor ethical reasons. Qualitative methods were applied for data analysis. Findings revealed that for some institutions’integration of sub-disciples of science curriculum led to contestations and debates resulting from differentphilosophical perceptions held by subject specialists in the curriculum design process. Knowledge integrationcontinues to be a contested field in universities that typifies resistance to change. Some participants demonstrated apositive disposition towards knowledge integration models which they used in curriculum development. This studyconcludes that a collaborative and collegial deliberation among science education lecturers and experts in variousknowledge domains could be a way to find common ground on issues highlighted in this study. Re-thinking andre-conceptualising knowledge organisation for science academic knowledge are appropriate to the needs of schoolcurriculum and benefit science teachers with knowledge and competences for knowledge impartation, skills andvalues in the subject.

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)0,020
score de la tête « metaresearch » (Gemma)0,021
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: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,021
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0150,011
Communication savante0,0110,007
Science ouverte0,0020,008
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,017
Tête enseignante GPT0,360
Écart entre enseignants0,343 · 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetHigher Education Learning PracticesTravaux en français237 207