DIFFERENTIATION IN SAUDI PRE-SERVICE SCIENCE TEACHER PROGRAM
Notice bibliographique
Résumé
Saudi students’ science academic performance has declined as evidenced by (TIMSS). Saudi science teachers are characterized as using the lecture format without considering individual student differences and failing to provide differentiated Method (DM). This paper reports on an effort to help female Saudi pre-service science teachers (PSST) develop DI knowledge and skills, striving to discern how they understood and practiced differentiation during their field experience after completing a specially-designed DM-focused university course. A mixed method research design followed a sequential, connected approach wherein quantitative data were collected through classroom observations (N=47) using a Likert scale observation instrument followed by qualitative interviews (n=11). The pre and post averages of differentiated teaching skills in the DM planning stage were statistically significant (p=.0001). The PSSTs moved from very small to moderate mastery on virtually all 10 planning items, from 1.75 to 2.99 on a five-point Likert scale. The DM implementation stage (20 items) also reflected a statistically significant difference with scores moving from 1.68 to 3.01 (moderate mastery). Interview qualitative data confirmed and elucidated the quantitative results. The course was deemed effective in developing PSSTs’ differentiated teaching skills (statistically significant, p=.01). Teaching PSSTs about DM should improve Saudi students’ science academic achievement. Keywords: differentiation, pre-service science teachers, teacher education, Saudi Arabia, TIMSS.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».