MétaCan
Menu
Retour à la cohorte
Enregistrement W4389097362 · doi:10.55016/ojs/ajer.v68i3.73120

Effects of Robotic Coding Supported Design-Based Science Instruction on Students’ Science Process Skills

2022· article· en· W4389097362 sur OpenAlexvenueno aff
Mirac Furkan Bayar, Yasemin Taş

Notice bibliographique

RevueAlberta Journal of Educational Research · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueTeaching and Learning Programming
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematics educationCoding (social sciences)PsychologyScience educationPedagogyComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

This study aimed to investigate the effects of robotic coding supported Design-Based Science Instruction (RC-DBSI) on sixth-grade students’ science process skills. One-group pretest-posttest experimental design was employed in the study. Participants consisted of thirty-nine sixth-grade students enrolled in a public middle school located in the eastern part of Turkey. The implementation phase lasted for five weeks during which a Force and Motion unit was being taught. The engineering design process, including the steps of determining the problem, researching possible solutions, determining the most suitable solution, making the prototype, and testing the prototype (Wendell et al., 2010), was followed in the study. Robotic coding activities were incorporated into the “researching possible solutions” step of DBSI. Twin Science Kit was distributed to the participants, and they engaged in robotic coding activities via this kit. Students completed Science Process Skills Test as a pretest and posttest. Paired samples t-test results demonstrated that being exposed to RC-DBSI improved the students’ science process skills. Based on the study's findings, some suggestions were presented for science teachers and teacher education programs. Keywords: Design-Based Science Instruction, robotic coding, science process skills, science education, middle school Cette étude avait pour but d'examiner les effets de l'enseignement des sciences basé sur la conception et soutenu par le codage robotique (RC-DBSI) sur les compétences en matière de processus scientifique des élèves de sixième année. L'étude a utilisé un modèle expérimental prétest/posttest avec un groupe. Trente-neuf élèves de sixième année inscrits dans une école publique située dans la partie orientale de la Turquie ont participé à l’étude. La phase de mise en œuvre a duré cinq semaines au cours desquelles une unité portant sur la force et mouvement a été enseignée. L’étude a suivi le processus de conception technique, qui comprend les étapes de détermination du problème, de recherche des solutions possibles, de détermination de la solution la plus appropriée, de fabrication du prototype et de test du prototype (Wendell et al., 2010). Les activités de codage robotique ont été intégrées à l'étape "recherche de solutions possibles" de l'enseignement des sciences basé sur la conception. L’ensemble de Twin Science a été distribué aux participants, qui se sont livrés à des activités de codage robotique avec cet ensemble. Les élèves ont passé un test sur les compétences en matière de processus scientifique en tant que prétest et posttest. Les résultats du test t pour échantillons appariés ont démontré que l'exposition à la RC-DBSI a amélioré les compétences des élèves en matière de processus scientifique. Sur la base des résultats de l'étude, certaines suggestions ont été présentées aux professeurs de sciences et aux programmes de formation des enseignants. Mots clés : Design-Based Science Instruction, codage robotique, compétences en matière de processus scientifique, enseignement des sciences, école secondaire

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,045
Tête enseignante GPT0,411
Écart entre enseignants0,366 · 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'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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlberta Journal of Educational ResearchMême sujetTeaching and Learning ProgrammingTravaux en français237 207