MétaCan
Menu
Retour à la cohorte
Enregistrement W2921840450 · doi:10.1088/1742-6596/1157/3/032040

Profile of the prospective teachers response to the development of scientific communication skills through physics learning

2019· article· en· W2921840450 sur OpenAlexaff
Edward Erwin, Nuryani Rustaman, Harry Firman, Taufik Ramlan Ramalis

Notice bibliographique

RevueJournal of Physics Conference Series · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueScience Education and Pedagogy
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésMathematics educationPhysicsPsychology

Résumé

récupéré en direct d'OpenAlex

This article discusses the profiles of prospective physics teacher responses to the development of scientific communication skills through physics learning. Data were collected using questionnaires and interviews to strengthen the data obtained through questionnaires, data were analyzed descriptively. The results show that prospective physics teachers who have already joined the Teaching practice/Field Experience Program 2 (FEP 2) or who are currently following FEP 1, generally argues that the development of scientific communication skills can be conducted through subject matter learning, especially physics learning. Some prospective teachers give an anomalous response to some statements on the questionnaire, for example they agreed on the statement that the source of physics learning is sufficient from teacher's explanation, students do not need to read textbooks, not yet need to read scientific articles and scientific reports. Based on these findings prospective physics teachers should need to develop their's good understanding of the aspects to be learned in developing scientific communication skills, as well as their ability in transferring or developing scientific communication skill integrated within physics learning need to be assessed.

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)0,002
score de la tête « metaresearch » (Gemma)0,014
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 enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,052
Tête enseignante GPT0,361
Écart entre enseignants0,309 · 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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Conference SeriesMême sujetScience Education and PedagogyTravaux en français237 207