Analyzing the Embedded Learning-Based Movement Education Program’s Effects on Preschool Children’s Visual-Motor Coordination and Self-Regulation
Notice bibliographique
Résumé
Preschool children’s visual-motor coordination skills are very valuable for their academic and social learnings. Using these skills, children have a broad movement repertoire, display better academic skills, participate in classroom activities and social relations, and develop self-regulation. Self-regulation is required for children to set their goals, purposeful planning, monitoring, and adapting. Children are natural players and they enjoy to move and play. Early childhood programs should consider supporting the visual-motor coordination in joint play situations to enhance children’s behaviors. This study used movement activities designed with embedded learning instruction to create cooperative play and increased group interactions among children. The purpose of this research was to analyze the embedded learning-based movement education program’s effects on preschool children’s visual-motor coordination and self-regulation development. For this purpose, an experimental research design with pretest-posttest, control group constructed. Control group children followed their traditional (MoNE, 2013) preschool education program while the experiment group pursued embedded learning-based movement education. Results indicated that both groups of children had significantly better (p.≤.0.05) visual-motor coordination and self-regulation skills. The difference was greater in experience group of children and the correlation was stronger between visual-motor coordination and self-regulation. It has been found that embedded learning-based movement education program positively affected preschool children’s visual-motor coordination and self-regulation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».