MétaCan
Menu
Retour à la cohorte
Enregistrement W2907748698 · doi:10.5944/reop.vol.29.num.1.2018.23296

La mejora del rendimiento escolar y el clima social mediante un programa de intervención basado en el aprendizaje-servicio y mentoría entre iguales

2018· article· es· W2907748698 sur OpenAlexaff
Mirian Hervás Torres, Francisco D. Fernández Martín, José Luís Arco Tirado, María Isabel Miñaca Laprida

Notice bibliographique

RevueREOP - Revista Española de Orientación y Psicopedagogía · 2018
Typearticle
Languees
DomaineSocial Sciences
ThématiqueEducation and Teacher Training
Établissements canadiensAdidas (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesSchool dropoutPsychologyCartographyArtGeographySociology

Résumé

récupéré en direct d'OpenAlex

RESUMEN Los datos actuales, sobre fracaso escolar en educación son alarmantes, con índices por encima de la media europea Por ello, las universidades han de reaccionar con propuestas de mejora, fiables, válidas y adaptadas, tales como, el establecimiento de metodologías alternativas docentes, que ayudan al incremento de la adquisición de aprendizajes y competencias, las cuales reducen conductas de riesgo, promocionando un entorno y clima escolar adecuado. Atendiendo a esta situación, el objetivo de este estudio fue determinar la eficacia del Programa Huelva Educa, experiencia basada en el aprendizaje-servicio y la mentoría entre iguales, para incrementar el rendimiento escolar y mejorar el clima social de alumnado de educación obligatoria. La muestra estuvo compuesta por 69 alumnos de educación obligatoria y 14 docentes-tutores. En esta investigación, se empleó un diseño cuasiexperimental pretest-postest con un solo grupo, donde la intervención consistió en una serie de sesiones de mentoría entre alumnado universitario, previamente entrenado, y el alumnado de educación obligatoria, en horario extraescolar durante el curso escolar. Los resultados arrojan mejoras en el rendimiento escolar del alumnado de educación obligatoria, y mejoras en la cantidad y calidad de las interacciones en el aula, tanto desde la perspectiva del alumnado como de sus docentes-tutores, contribuyendo a la prevención del fracaso y abandono temprano.ABSTRACT The current data about academic failure and dropout in education are alarming, with scores above average the European average. In this sense, the universities are to react with proposals, reliable, valid and adapted, such as, the establishment of teaching alternative methodologies, to increase the acquisition of learning and skills, reduces risk behaviors, and it promotes an environment and suitable school climate. Considering that situation, the aim of this study is to determine the efficacy of the Huelva Educa Program, an experience based on service-learning and peer mentoring, in order to increase school performance and improve the social climate in compulsory education students. The sample was composed of 69 students of compulsory education and 14 educational tutors. Likewise, in this investigation a quasi-experimental pretest-posttest design with a single group was used, where the intervention, which consisted of different sessions of mentoring among university students, previously trained, and the pupils in compulsory education, in out of school hours during the scholastic year. The results show improvements in school performance of the pupils in compulsory education, and improvements in the quantity and quality of interactions in the classroom, both from the perspective of students and of the educational-tutors, contributing to the failure and early dropout prevention.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,031
Tête enseignante GPT0,396
Écart entre enseignants0,364 · 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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueREOP - Revista Española de Orientación y PsicopedagogíaMême sujetEducation and Teacher TrainingTravaux en français237 207