Enhancing Thai In-service Teachers’ Perceptions of STEM Education with Tablet-based Professional Development
Notice bibliographique
Résumé
National efforts in Thailand are currently focused on promoting STEM (Science, Technology, Engineering, and Mathematics) education in order to better prepare the future generations to be an effective and productive workforce. In accordance with this mission, the goal of this research is to develop a tablet-based professional development (PD) program to enhance in-service teachers’ perceptions of STEM education, which will directly affect both their decision to incorporate STEM, as well as their ability to effectively do so in their own classroom. To assess the efficacy of the PD program, we recruited 240 STEM and non-STEM teachers from basic education schools in Thailand to participate in the program. The activities in this program were divided into three parts: 1) increasing knowledge about STEM education, 2) providing demonstrations of STEM teaching, and 3) developing STEM-based lessons. Data were collected throughout the tablet-based PD program from focus group discussion sessions, pre-post questionnaires, and informal interviews. Data were analyzed using content analysis. The findings revealed that before participating in the tablet-based PD program, the majority of participants had limited knowledge on STEM education and were uncertain on how to integrate STEM into their instructional practices. They also had difficulty with connecting the different STEM disciplines in their activities. Although they were interested in implementing the STEM educational approach, they lacked confidence on how to accomplish this. After completing the tablet-based PD program, many participants had a much better understanding of STEM education and greater confidence with implementing STEM pedagogical approaches.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».