Tutoring: A Method of Facilitating Active Learning
Notice bibliographique
Résumé
Objective: To create one of the possible conditions for student-centred education, the authors’ research group developed a tutoring support programme for adaptation of students to the educational process of the school and implemented it into practice. Background: The necessity of implementing tutoring support in Kazakhstan education is associated with the processes of integration of Kazakhstan into the world educational space, with the introduction of a multi-level educational system, the development of new educational standards such as the Bologna Process. Student-centred education is the fundamental principle of the reform in light of the Bologna process in inclusive education. Tutoring support addresses the needs and meets the requirements of the transition to the individualisation of learning and the variability of educational programmes. Method: The study included the following research methods: theoretical (analysis, synthesis, classification, generalisation, deduction, induction, analogy, and modelling); empirical (observation, survey, questionnaire, and interview); experimental (stating, developmental, and diagnostic experiment); statistical (statistical analysis of the data, qualitative and quantitative analysis of the study results). Results: The results of the pilot programme noted changes in motivational and cognitive activity-target components of adaptation in students of the experimental group who received tutoring support, their academic achievements improved, and their independence in preparation for classes developed. Conclusion: In conclusion, the authors noted that to create conditions for student-centred education, it is necessary to use various kinds of programmes of student academic support in the educational process.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 ».