MétaCan
Menu
Retour à la cohorte
Enregistrement W4361278833 · doi:10.5430/jct.v12n3p58

Development of Local Wisdom-Based Science Learning Innovation to Promote Creative Problem-solving Skill: Case Study Chessboard Game of Mueang Kung Pottery, Chiang Mai

2023· article· en· W4361278833 sur OpenAlexvenueno aff
Yuttana Chaijalearn, Anodar Ratchawet, Patcharee Sappan, Nonthikarn Thanaparn, Jessada Kaensongsai, Thanin Intharawiset

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Methods and Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChiang maiPotteryNonprobability samplingMathematics educationQuality (philosophy)SociologyPsychologyManagementGeographySocioeconomicsArchaeologyPopulationPhilosophy

Résumé

récupéré en direct d'OpenAlex

The research aimed to 1) study science knowledge in local wisdom of Mueang Kung pottery, Chiang Mai province, 2) develop local wisdom-based science learning innovation to promote creative problem-solving skills, and 3) study satisfaction levels of students to local wisdom-based science learning innovation to promote creative problem-solving skills. The research was action research. The sample in the research consisted of: 1) one village scholar of Mueang Kung village, Hang Dong district, Chiang Mai province; 2) experts of local wisdom learning management accounting for 3 people; and 3) third-year students of Chemistry Departments and fourth-year students of Faculty of Education, Chiang Mai Rajabhat University for the academic year of 2020 accounting for 15 people. Purposive sampling was used. The study results revealed that: 1) From the study on scientific knowledge in local wisdom of Mueang Kung pottery, Chiang Mai province, it was found that in the process of producing Baan Mueang Kung pottery of Chiang Mai province, scientific knowledge has been used to be integrated to develop quality pottery. The knowledge found in the community can be used to design local wisdom-based science learning innovation to promote creative problem-solving skills. 2) From developing local wisdom-based science learning innovation to promote creative problem-solving skills, it was found that the learning innovation developed in the form of Splendor Board Game with components, namely (1) cards in various forms, (2) the board for playing the Board Game and (3) rules of playing and there were results of assessing efficiency of the innovation (E1/E2) at the level: 80.22/81.56. This is deemed to have efficiency in implementation for learning. 3) Regarding satisfaction levels of students to local wisdom-based science learning innovation, it was found that the students had satisfaction levels at the highest 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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,006
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,035
Tête enseignante GPT0,395
Écart entre enseignants0,360 · 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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetEducational Methods and OutcomesTravaux en français237 207