Does Teacher Education Program Affect on Development of Teacher Candidates’ Bioethical Values, Scientific Literacy Levels and Empathy Skills?
Notice bibliographique
Résumé
The aim of this study is to evaluate science teacher candidates based on bioethical values, scientific literacy level and empathy skills and to determine their associations. Therefore, descriptive model was used for the study. The sample of the study consists total of 286 teacher candidates from first, second, third and fourth grade of Faculty of Education Science Teaching department. Results of the study revealed that bioethical values for “Benefits of Biotechnology Applications”, “Science and Ethics”, “Reproductive Technologies and Cloning”, “Controlling the Genetic Interventions” subscales were increased with school year in science teacher candidates. In addition, science literacy of science teacher candidates for “Nature of Science” and “Science-Technology-Society Relation” subscales were also increased with school year. The study also found a positive relation between bioethical values for two subscales of bioethical values, “Benefits of Biotechnology Applications” and “Controlling the Genetic Interventions”, and science literacy for “Nature of Science” subscales in science teacher candidates. Similarly, a positive relation was found between bioethical values for two subscales, “Benefits of Biotechnology Applications” and “Controlling the Genetic Interventions”, and science literacy for “Science-Technology-Society Relation” subscale in science teacher candidates. Analysis results showed a positive relation between bioethical values and empathy skills of science teacher candidates. In other words, the higher the teacher’s empathy skills, the higher their bioethical values.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».