MétaCan
Menu
Retour à la cohorte
Enregistrement W2810219287 · doi:10.5430/wje.v8n3p107

The Decision-Making Skills of the Children Who Have Taken 1st and 2nd Grade Life Sciences Courses as Evaluated by Their Parents

2018· article· en· W2810219287 sur OpenAlexvenueno aff
Hüseyin Polat

Notice bibliographique

RevueWorld Journal of Education · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueProblem Solving Skills Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDisadvantagedPsychologySignificant differenceDevelopmental psychologyMedical educationMathematics educationMedicine

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to investigate the Life Sciences course decision-making skill of the 3rd grade primaryschool students as evaluated by the parents. The study was conducted in screening model. The participants of thestudy were the parents (41 mothers and 26 fathers) of the students (32 girls, 35 boys) who study in the center of theprovince of Adıyaman in the academic year of 2017-2018. In order to collect the data, “decision-making skill level”survey form, which evaluates the decision-making gains of the 1st and 2nd grade Life Sciences course, was used.According to the findings, the decision-making skill of the students was 94.54 out of 120, which is “very good”. Thedecision-making skill levels of the students did not show a significant difference depending on the parent variable(mother or father), the students’ gender, or the school type attended (central or disadvantaged neighborhood).Depending on their success in school, however, there was a significant difference in their decision-making skilllevels; a positive correlation was detected between the decision-making skill and the success in school. Thedecision-making skill of the students did not show a significant difference depending on their self-confidence levelor their success in the Life Sciences course.

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)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,027
Tête enseignante GPT0,415
Écart entre enseignants0,388 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of EducationMême sujetProblem Solving Skills DevelopmentTravaux en français237 207