MétaCan
Menu
Retour à la cohorte
Enregistrement W4392132834 · doi:10.5430/jct.v13n1p298

Didactic Use of the Publisher Processor to Enhance Meaningful Learning in Peruvian Secondary School Students

2024· article· en· W4392132834 sur OpenAlexvenueno aff
Sara Esther Liza Ordoñez, Silvia Georgina Aguinaga Doig, Osmer Campos-Ugaz, Ronald M. Hernández, Yen Marvin Bravo Larrea, Silvia Josefina Aguinaga Vásquez, Carlos Luy-Montejo

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Innovations and Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematics educationComputer sciencePsychologyMedical educationMedicine

Résumé

récupéré en direct d'OpenAlex

The coronavirus pandemic has changed the course of education from face-to-face to remote. In response to this context, we investigated the positive effect of the didactic use of the Publisher processor to enhance meaningful learning in the competence "explain the physical world based on scientific knowledge about matter and energy, biodiversity, earth and universe" of the science and technology area in fifth grade students of secondary education of a Public Educational Institution of Chiclayo (Peru). For this purpose, a pre-experimental design with pre- and post-test was used with a sample of 102 students selected in a non-probabilistic way. A program based on activities incorporated in learning experiences proposed by the Ministry of Education (Peru) was applied. As a result, 72% of the students increased their academic performance after the application of the program, improving up to five (5) points compared to the initial test. Thus, the development of didactic material using the Publisher processor strengthens learning, which highlights the importance of information technologies in the achievement of active learning and the need to use them in the processes of mediation, reinforcement and teacher feedback in virtual and/or face-to-face scenarios.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,164
Score d'incertitude au seuil0,555

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 GPT0,309
Écart entre enseignants0,299 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetEducational Innovations and TechnologyTravaux en français237 207