MétaCan
Menu
Retour à la cohorte
Enregistrement W4366431513 · doi:10.23977/aetp.2023.070211

Pair Programming Efficacy and Implementation Strategies in Chinese High School IT Curriculum

2023· article· en· W4366431513 sur OpenAlexvenueno aff
Zhang Wuwen

Notice bibliographique

RevueAdvances in Educational Technology and Psychology · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueTeaching and Learning Programming
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumCohesion (chemistry)Computational thinkingComputer scienceClass (philosophy)Mathematics educationKnowledge managementPedagogySociologyPsychologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In the past decade, governments worldwide have incorporated programming education in primary and secondary schools as a crucial initiative to cultivate technical talent and enhance international competitiveness. Against this backdrop, this paper examines the efficacy and implementation strategies of pair programming in Chinese high school information technology curricula. Pair programming is an effective learning approach that fosters computational thinking, communication and collaboration skills, confidence and self-efficacy, innovative thinking, and problem-solving abilities while simultaneously augmenting students' programming expertise and practical experience. To optimize the implementation of pair programming instruction, this paper proposes several recommendations, including defining students' pair programming roles, supplying essential programming tools and resources, judiciously allocating time, encouraging student sharing and interaction, emphasizing class cohesion, offering personalized guidance, and continually refining teaching methodologies.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,430
Score d'incertitude au seuil0,428

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,389
Écart entre enseignants0,378 · 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 sujetTeaching and Learning ProgrammingTravaux en français237 207