MétaCan
Menu
Retour à la cohorte
Enregistrement W4308566756 · doi:10.5430/jct.v11n8p211

A Study on the School Culture and Teaching Methods that Elementary School Teachers Consider Important

2022· article· en· W4308566756 sur OpenAlexvenueno aff
Sahoon Kim

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Systems and Policies
Établissements canadiensnon disponible
Organismes subventionnairesHankuk University of Foreign Studies
Mots-clésMathematics educationCurriculumSet (abstract data type)PsychologyPedagogyData collectionSchool teachersSociologyComputer science

Résumé

récupéré en direct d'OpenAlex

There are many predictions of how education will change in the future. In particular, the impact of technological and social change will make schools look different than they are today. Schools are expected to perform various functions in the future, and their forms and functions will differ from those of today. This study is mainly composed of two research contents. The first is about the school culture that teachers consider important in the future school, and the second is about the teaching-learning method suitable for the future. In this study, a survey was conducted on 81 elementary school teachers from February to April 2022. Data collection was conducted online. A total of 73 data were analyzed, excluding data judged to be insincere among respondents. The results are as follow. First, the most important thing for teachers to recognize is to operate a competency-oriented curriculum and set educational goals suitable for the future society. In addition, the most important teaching and learning methods of future schools recognized by teachers were student-student interaction, discussion-centered classes, and student-centered classes. Meanwhile, according to teachers, education using smart devices showed relatively low importance compared to other questions. Since this result is limited to elementary school students, it is necessary to interpret it carefully.

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)0,011
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 enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,033
Tête enseignante GPT0,356
Écart entre enseignants0,324 · 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 revueJournal of Curriculum and TeachingMême sujetEducational Systems and PoliciesTravaux en français237 207