Fen Bilimleri Öğretmenlerinin Etkileşimli E-Kitap Kullanımına Yönelik Görüşlerinin İncelenmesi
Notice bibliographique
Résumé
Bilgi ve iletişim teknolojilerindeki gelişmelere paralel olarak, eğitim ve öğretim ortamlarına teknoloji entegrasyonu önem kazanmaktadır. Eğitim alanında gerçekleştirilen yeniliklere uyum sağlamak, geri kalmamak ve teknolojinin sunduğu imkânlardan yararlanmak için Türkiye’de birçok yenilik hayata geçirilmektedir. Bu yeniliklerin başında teknoloji destekli öğretime uyumlu olacak şekilde etkileşimli e-kitapların kullanılması gelmektedir. Bu çalışmanın amacı fen bilimleri öğretmenlerinin etkileşimli e-kitapların kullanımına yönelik görüşlerinin alınmasıdır. Nitel araştırma yöntemlerinden durum çalışması olarak yürütülen çalışma, devlet okullarında görev yapan 8 Fen bilimleri öğretmeni ile yürütülmüştür. Çalışmanın verileri yarı yapılandırılmış görüşmeler ile toplanmıştır. Elde edilen veriler içerik ve betimsel analiz yoluyla analiz edilmiştir. Elde edilen bulgulara göre etkileşimli e-kitabın öğretmenlerin gözünden avantajları öğrenmeyi kolaylaştırması, konuyu pekiştirmeye yardımcı olması ve hızlı erişim imkânı sağlamasıdır. Öğretmenlere göre etkileşimli e-kitapların öğrenciler açısından avantajları çoklu ortam desteğini kullanarak , öğrencilerin derse aktif katılım sağlaması ve kalıcı öğrenmenin desteklenmesidir.Etkileşimli e-kitapları canlı derslerde kullanmanın zorlukları ile ilgili öğretmenler çoğunlukla internet erişim sıkıntısından, zaman kısıtlamasından ve ek donanım ihtiyacından bahsetmiştir. Öğretmenlerin çoğunlukla EBA sistemi ve etkileşimli e-kitap kullanımına yönelik bir eğitim almadıklarını ve bu öğretim teknolojilerini kullanmak için eğitime ihtiyaç duyduklarını belirtmişlerdir. Ayrıca, öğretmenler etkileşimli e-kitapların içeriğinin geliştirilmesi gerektiğini düşünmektedirler.
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 | 0,008 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,009 | 0,012 |
| Méta-épidémiologie (sens large) | 0,008 | 0,005 |
| Bibliométrie | 0,008 | 0,021 |
| Études des sciences et des technologies | 0,021 | 0,006 |
| Communication savante | 0,005 | 0,012 |
| Science ouverte | 0,015 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,078 | 0,013 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».