MétaCan
Menu
Retour à la cohorte
Enregistrement W2912905440 · doi:10.5539/ass.v15n2p8

The Analysis of Teachers’ Competence in Participating the In-Service Training Program of Inclusive Education in Indonesia

2019· article· en· W2912905440 sur OpenAlexvenueno aff
Abdul Salim

Notice bibliographique

RevueAsian Social Science · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCollaborative Teaching and Inclusion
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNonprobability samplingCompetence (human resources)CurriculumStatisticPsychologyDescriptive statisticsMedical educationMathematics educationPedagogySociologyMedicineMathematicsPopulation

Résumé

récupéré en direct d'OpenAlex

Theory, strategy, learning method, technology, and curriculum of inclusive education for both regular children and children with special needs (CWSN) are changing from time to time. Teachers require In-Service Training (IST) which enables them to adapt to these changes. One of the alternative ways for teachers who were already employed to obtain a new development access in education and educational technologies is to get IST. This research aimed to classify the teachers’ competence in inclusive schools based on their participation in the In-Service Training program of inclusive education. The research subjects were the 38 inclusive school teachers, taken by purposive random sampling. The data was collected by using questionnaire and analyzed by using descriptive and parametric statistic. The results reveal that there was a significant difference in pedagogic competence of teachers based on their participation in the In-Service Training (IST) program of inclusive education. The more often the teachers participate in the In-Service Training program, the better their pedagogic competence can be.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,372
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,010
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,025
Tête enseignante GPT0,387
Écart entre enseignants0,362 · 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 tête enseignante, 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetCollaborative Teaching and InclusionTravaux en français237 207