MétaCan
Menu
Retour à la cohorte
Enregistrement W4313640621 · doi:10.23977/aetp.2023.070101

Grasping the Changes of Teaching Methods in Special Education Schools in the Post-Epidemic Era

2023· article· en· W4313640621 sur OpenAlexvenueno aff
Jinjing Ma, Yuhang Yang

Notice bibliographique

RevueAdvances in Educational Technology and Psychology · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueSports and Physical Education Research
Établissements canadiensnon disponible
Organismes subventionnairesYunnan Normal University
Mots-clésGRASPCurriculumQuality (philosophy)Mathematics educationSpecial educationTeaching methodPedagogyPsychologySociologyComputer scienceEpistemology

Résumé

récupéré en direct d'OpenAlex

Since the birth of the school, there has been an ongoing debate about how knowledge should be taught. In the post-epidemic era, unlike the previous "active" teaching and learning changes, this outbreak has led to a "passive" change in school teaching and learning. In recent years, catechism, interactive learning, and flipped classrooms have been theoretically and technologically prepared for the post-epidemic era. Special education schools need to accurately grasp the trend of change and effectively improve the quality of special education. In the post-epidemic era, special education schools carrying out teaching need to accurately and timely grasp the changes brought about by the new period, namely, changes in educational philosophy, changes in teaching cognition, changes in teaching form, changes in curriculum content and changes in school management, with a view to improving the quality of special education teaching while facing risky challenges.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,273
Score d'incertitude au seuil0,740

Scores Codex et Gemma par catégorie

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

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 Opus0,091
Tête enseignante GPT0,614
Écart entre enseignants0,522 · 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 tête enseignante, 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Educational Technology and PsychologyMême sujetSports and Physical Education ResearchTravaux en français237 207