Notice bibliographique
Résumé
The purpose of this study was to develop a framework focusing on multicultural contexts and science education contents, and to analyze 3rd to 6th grade elementary science curricula of the 2007 revised Ontario science and technology in Canada with the 2009 revised and 2015 revised national science curricular in Korea. The framework’s horizontal axis was divided into four levels: the contribution approach, the additive approach, the transformation approach and the social action approach, while its vertical axis was comprised of ‘situation’, ‘components’ and ‘performance.’ Based on the criteria, the author quantitatively compared the curricula of the two countries. Furthermore, examples concerned with multicultural contexts were discerned from the goals, expectations, strands, topics, assessment and other considerations for program planning in science. In the 2007 revised Ontario curriculum for science and technology, it clarified that the diversity of student cultural backgrounds should not only be respected and supported for adjustment to the new learning environment, but also that it should be considered as intercultural education perspectives. On the other hand, the 2009 revised and 2015 revised Korean national curriculum for science did not deliver on the importance of multicultural science education as written instructions. This study suggested that the Korean national curriculum for science needs to have learning materials showing respect for cultural diversity or diverse people working on scientific activities or careers. Moreover, definite directions and perspectives on multicultural science education should be established in the national science curriculum. The results of this study could be useful for the development, reconstitution, or improvement of science curriculum for teaching multicultural students concurrently.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,017 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».