MétaCan
Menu
Retour à la cohorte
Enregistrement W4387406789 · doi:10.5430/jct.v12n6p1

Analysis of Interdisciplinary STEM Lessons Generated by Pre-Service and Inservice Teachers in the United States

2023· article· en· W4387406789 sur OpenAlexvenueno aff
Mónica Arnal-Palacián, Janelle M. Johnson

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology-Enhanced Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesGobierno de AragónUniversity of DenverNational Science Foundation
Mots-clésMathematics educationDisciplineSpace (punctuation)PsychologyPedagogyProfessional developmentSociologyComputer science

Résumé

récupéré en direct d'OpenAlex

This study views STEM as a space with the potential to dismantle the narrow disciplinary silos that have led to inequitable gaps in achievement. Responding to the latest recommendations for teachers from NCTM and NSTA, this study aims to examine the instructional design of secondary mathematics and science pre-service teachers in an interdisciplinary STEM lesson about a pandemic. Starting with two images, teachers are asked to design the associated activities that they would implement in the classroom. Researchers utilized a qualitative methodology based on the categories of the 5E Model: Engage, Explore, Explain, Elaborate and Evaluate. The findings highlight responses to each of the 5E factors are very mixed. Teaching strategies consisting of posing questions predominate, promoting the Engage factor; while the Explore factor is barely considered, which could hinder the incorporation of group skills and critical thinking. This study offers a pathway on how to assess the professional learning of novice teachers following the 5E model through a contextualized activity with bacterial growth.

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)0,002
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,475

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 Opus0,030
Tête enseignante GPT0,375
Écart entre enseignants0,346 · 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'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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetTechnology-Enhanced Education StudiesTravaux en français237 207