MétaCan
Menu
Retour à la cohorte
Enregistrement W3215107680 · doi:10.5539/ies.v14n12p93

Literature and Project-Based Learning and Learning Outcomes of Young Children

2021· article· en· W3215107680 sur OpenAlexvenueno aff
Veena Prachagool

Notice bibliographique

RevueInternational Education Studies · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensnon disponible
Organismes subventionnairesMahasarakham University
Mots-clésDebriefingPsychologyFocus groupExperiential learningReading (process)PerceptionCooperative learningVariety (cybernetics)Action researchQualitative researchActive learning (machine learning)PedagogyTeaching methodSocial psychologySociologyComputer science

Résumé

récupéré en direct d'OpenAlex

In the early years, children learn by taking an action and touching opportunities which experiences the world as much as possible. It is an internal process that allows children to meaningfully reflect their experiences from abstract to further learning. Literature and project-based learning management is a learning approach that strengthens the attitude of the pursuit of knowledge, helping children to have a habit of reading, creating opportunities to leading in the discovery of something meaningful to life. The research objectives were to study learning outcomes of young children through literature and project-based learning. Twenty-five young children were studied and reported their learning outcomes. Data were collected through variety of methods: observation, debriefing focus group, and interviews after the scenario. Data were collected by qualitative and quantitative methods. The findings indicated that young children had the highest level of understanding and ability to manage literary learning and projects. They also had ability to provide the most literary and project management environment were ranges low and highest based on the different perception and potential of learning. It can be recommended literature and project-based learning is suitable for early childhood education.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,113
Score d'incertitude au seuil0,278

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,028
Tête enseignante GPT0,381
Écart entre enseignants0,354 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetChild Development and Digital TechnologyTravaux en français237 207