MétaCan
Menu
Retour à la cohorte
Enregistrement W4251129972 · doi:10.1017/cbo9780511614880.020

Introduction

2005· book-chapter· en· W4251129972 sur OpenAlexaff

Notice bibliographique

RevueCambridge University Press eBooks · 2005
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueScience Education and Pedagogy
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

Teachers are the key element in effective teaching and learning of astronomy. Yet very few teachers have any background in astronomy or astronomy teaching. At the elementary school level, very few teachers have any background in science at all. How much astronomy should teachers know? How should they learn it? This leads to another important issue: many teachers, especially at the elementary level, have science and mathematics “anxiety,” and may transmit this anxiety to their students. It's important for teachers to have and transmit interest and enthusiasm. How can these desiderata be built into pre-service teacher education? In Chapter 10, Mary Kay Hemenway addresses the complex topic of pre-service teacher education. Like the curriculum, teacher education varies greatly from one country to another, and even within a single country. There are two models of teacher education: concurrent and sequential. In the concurrent model, teachers receive their content courses and pedagogy courses concurrently. The advantage is a greater integration of content and practice. In the sequential model, teachers receive a regular undergraduate degree along with hundreds of other students who are generally not prospective teachers. It may be very frustrating for prospective teachers to take science courses that are taught by the traditional lecture, textbook, and regurgitation exam method, and then to learn in teachers' college that this is not a very effective approach and that, further, this method is rarely used in schoolteaching! Of course, one of the great anomalies of the education system is that college and university instructors seldom receive any pre-service or in-service training in teaching and learning.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,413
Score d'incertitude au seuil0,837

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0040,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,4130,210

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 Opus0,048
Tête enseignante GPT0,277
Écart entre enseignants0,230 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetScience Education and PedagogyTravaux en français237 207