MétaCan
Menu
Retour à la cohorte
Enregistrement W4293529805 · doi:10.1139/cjc-2021-0162

Conceptual change in chemistry schematic modelling: a cross-sectional study of 10th–12th-grade Belgian students

2022· article· en· W4293529805 sur OpenAlexvenueno aff
Hamad Karous, Brigitte Nihant, Bernard Leyh

Notice bibliographique

RevueCanadian Journal of Chemistry · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueScience Education and Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSchematicMathematics educationPsychologyConceptual changeChemistryRelevance (law)PerceptionAdaptation (eye)Quality (philosophy)EngineeringEpistemology

Résumé

récupéré en direct d'OpenAlex

Practice-oriented studies on conceptual change in chemistry education remain relatively scarce. In agreement with the constructivist approach, in which learners build their own cognitive structure, many results have shown that learning through modelling positively contributes to conceptual adaptation. From this point of view, this study presents a cross-sectional study of secondary school learners’ schematic modelling abilities in the upper secondary school. The schematic modelling skills and competences of 216 students (15–18 years old, 10th–12th grade), ranging from purely macroscopic conceptions to an adequate interplay between the three levels of Johnstone’s triangle, have been assessed within selected contextualized situations. The data were collected using a three-part instrument, namely the analysis of the information contained in a graphical scheme, the perception of the role and relevance of schematic modelling, and the autonomous production of schematic modelling. The collected data show that 12th-grade students have a significantly higher capability of analysing the information of a scheme compared to 10th and 11th grades. Moreover, autonomous schematic modelling skills follow the same trend. The data also provide some evidence that students with better model analysis competences design higher quality autonomous models at the submicroscopic level.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,032
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,162
Tête enseignante GPT0,411
Écart entre enseignants0,249 · 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'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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of ChemistryMême sujetScience Education and PedagogyTravaux en français237 207