The effect of academic and pedagogic competences on basic teaching skills of mathematics teacher candidates in micro teaching
Notice bibliographique
Résumé
Keterampilan mengajar merupakan salah satu keterampilan dasar yang harus dikuasai oleh seorang guru. Oleh karenanya, mahasiswa calon guru perlu terus menerus melatih diri untuk mengembangkan keterampilan mengajarnya. Salah satu cara yang diusahakan adalah melalui pengajaran mikro pada mata kuliah PSAP (Perencanaan, Strategi, Asesmen, Pembelajaran) Matematika. Tujuan penelitian ini adalah untuk mengetahui kontribusi dari kemampuan akademik dan pedagogik mahasiswa calon guru terhadap keterampilan dasar mengajar mereka dalam pengajaran mikro. Subjek penelitian terdiri dari 56 mahasiswa prodi Pendidikan Matematika Universitas Pelita Harapan angkatan 2017. Penelitian ini merupakan penelitian korelasional dan analisis regresi linear sederhana. Instrumen yang digunakan dalam pengumpulan data meliputi rubrik pengajaran mikro, arsip nilai mahasiswa, dan kuesioner. Hasil penelitian ini adalah: (1) terdapat korelasi yang signifikan antara kemampuan akademik dan keterampilan dasar mengajar; (2) terdapat pengaruh yang signifikan dari kemampuan akademik terhadap keterampilan dasar mengajar; (3) terdapat korelasi yang signifikan antara kemampuan pedagogik dan keterampilan dasar mengajar; serta (4) terdapat pengaruh yang signifikan dari kemampuan pedagogik terhadap keterampilan dasar mengajar. Ini berarti, mata kuliah pedagogi dan konten dasar matematika yang diberikan sudah sesuai dengan kebutuhan mahasiswa.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,004 |
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 ».