MétaCan
Menu
Retour à la cohorte
Enregistrement W3159012687

Proposed Flipped Classroom Model for High Schools in Developing Countries

2017· article· en· W3159012687 sur OpenAlexaboutno aff
Philip Siaw Kissi, Müesser Nat, Adeleye Idowu

Notice bibliographique

RevueSSRN Electronic Journal · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Teaching Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFlipped classroomCurriculumDeveloping countryClass (philosophy)The InternetMathematics educationComputer scienceChinaPedagogyPsychologyPolitical scienceEconomic growthEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Flipped classroom is an approach that uses technology-support instruction to deliver content pre-class in order to maximise student-centered learning and problem-solving skills during class time. The concept is emerging as a feasible approach and is having a positive impact on students learning outcomes and improves information retention. Some developed countries such as United States of America, China, Australia and Canada have implemented this instructional approach to reform their educational system. Despite the positive impact of the flipped classroom instruction, the challenge remains for many high school teachers in developing countries to embrace this new paradigm. This situation raises legitimate concerns that need to be addressed. Therefore, this paper examines the existing literature that offer evidence-based of flipped classroom implementation challenges and proposes a practical alternative model for high schools in the developing countries. The proposed model provides teachers and students who face difficulties concerning internet access, video production, and equipment costs with an easy strategy to adopt flipped classroom instructional method. This study contributes to the high school curriculum development in developing countries to integrate flipped classroom approach and enhance students’ learning experiences.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,645
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,388
Écart entre enseignants0,339 · 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 tête enseignante, pas un consensus.

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetInnovative Teaching MethodsTravaux en français237 207