MétaCan
Menu
Retour à la cohorte
Enregistrement W3118946277 · doi:10.5430/ijhe.v10n3p119

The Application of Methods for Creative Development of Personalities in Natural Sciences in Studying Foreign Languages for Specific Purposes

2021· article· en· W3118946277 sur OpenAlexvenueno aff
Roksolyana Shvay, Nataliya Morska, B. М. Каlynyak

Notice bibliographique

RevueInternational Journal of Higher Education · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueDiverse Scientific and Engineering Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPersonality psychologyCreativityForeign languageNatural (archaeology)Task (project management)Mathematics educationComputer scienceEngineering ethicsPsychologyEngineeringPersonalitySocial psychology

Résumé

récupéré en direct d'OpenAlex

This investigation proposes to apply the methods of training creativity in the natural sciences to teaching a foreign language for specific purposes. This approach is based on the testing of foreign language competencies in different countries, on the task of training higher education specialists, including foreign language training, on the requirements for learning foreign languages, formulated by the European institutions, and on the requirements for specialists in EU. The methods of teaching creativity of specialists in the natural sciences are based on Molyako’s (2008) five strategies of creative design activity. Their practical application demonstrated in teaching physics has been used in teaching English for specific purposes. The analysis of the results of the application of the proposed methods was carried out based on a questionnaire by Popek (2000), which allows differentiating persons with creative aptitudes. The results of the analysis indicate the feasibility of applying the proposed methods for the creative development of personalities following the needs of modern social relations, focused much more on synthesis and interconnection than on the analysis of individual phenomena and processes.

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)0,008
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,017
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,052
Tête enseignante GPT0,414
Écart entre enseignants0,362 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Higher EducationMême sujetDiverse Scientific and Engineering ResearchTravaux en français237 207