MétaCan
Menu
Retour à la cohorte
Enregistrement W2973613024 · doi:10.5539/jel.v8n5p89

The Effect of Interactive Drills Using Dry Lab on the Acquisition of Laboratory Skills in Learning Science Among the Ninth-Grade Female Students in Palestine in Light of Their Thinking Style

2019· article· en· W2973613024 sur OpenAlexvenueno aff
Areej Al Muhtasib

Notice bibliographique

RevueJournal of Education and Learning · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueExperimental Learning in Engineering
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematics educationPalestinePsychologyTest (biology)NinthSignificant differenceStyle (visual arts)Learning stylesMathematicsStatisticsBiology

Résumé

récupéré en direct d'OpenAlex

The study aimed to identify the effect of the interactive drills using the dry laboratory on the acquisition of scientific concepts and laboratory skills in science among the ninth-grade female students in Palestine in light of their thinking styles. The study used quizzes of experimental method. The sample consisted of 68 female students distributed on two groups: an experimental group (n = 34 students) and a control group (n = 34 students). In order to achieve the objectives of the study, test of laboratory skills and thinking styles tests were used. The results showed that there were statistically significant differences between the means of the experimental group that was studied using the interactive method of the dry laboratory and the control group that studied using the traditional method via laboratory skills tests in favor of the experimental group. The results also revealed that there was an interaction between the method of teaching (the interactive drills using dry laboratory and the traditional method) and thinking styles on the acquisition of laboratory skills. In light of these results, several recommendations were suggested.

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)0,004
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 seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,003
Tête enseignante GPT0,263
Écart entre enseignants0,260 · 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetExperimental Learning in EngineeringTravaux en français237 207