MétaCan
Menu
← Retour à la cohorte
Enregistrement W4313238007 · doi:10.29329/bules.2022.480.02

A Comparison of Social Studies Curriculum: A Case of South Korea and Turkey

2022· article· en· W4313238007 sur OpenAlexaboutno aff
Erhan GÖRMEZ

Notice bibliographique

RevueBulletin of Educational Studies · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducator Training and Historical Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumTurkishSocial studiesQualitative researchCurriculum developmentData collectionMathematics educationPolitical scienceSociologyPedagogySocial sciencePsychology

Résumé

récupéré en direct d'OpenAlex

Countries use education as a tool to shape the desired human profile in line with universal principles. For this purpose, the courses in the curriculum have specific objectives. Social studies is an important course in the curriculum of countries for the purpose of raising “qualified people”. This course is included in the curriculum of many countries around the world (Canada, Japan, South Korea, Finland, Turkey, etc.) due to its mission of “realizing social existence”. The aim of this study is to compare the South Korean Social Studies Curriculum updated in 2015 and the Turkish Social Studies Curriculum updated in 2017. The data of the research, which was carried out by adopting the qualitative research approach, were obtained through document analysis. The data obtained from the research were analyzed according to the document analysis stages. When the results of the research are evaluated in general, it is seen that South Korea Social Studies Curriculum and Turkey Social Studies Curriculum are similar in terms of purpose, content (geography and economics topics) and achievement code system. In South Korea, the Social Studies course takes place at the primary, secondary and high school levels, and in Turkey it takes place at the primary and secondary school levels. It has been determined that the social studies course hours in the grade levels of both countries also differ.

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)0,002
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0040,002
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,180
Tête enseignante GPT0,471
Écart entre enseignants0,291 · 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'étudeQualitatif
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 revueBulletin of Educational Studies→Même sujetEducator Training and Historical Pedagogy→Travaux en français237 207→