MétaCan
Menu
Retour à la cohorte
Enregistrement W4394889022 · doi:10.23977/aetp.2024.080304

The Practical Effects and Evaluation Methods of Interdisciplinary Integrated Teaching in Basic Education

2024· article· en· W4394889022 sur OpenAlexvenueno aff
Zhen Xi

Notice bibliographique

RevueAdvances in Educational Technology and Psychology · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEducational Reforms and Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEngineering ethicsMathematics educationComputer scienceManagement sciencePsychologyEngineering

Résumé

récupéré en direct d'OpenAlex

As an important innovative approach in the field of basic education, interdisciplinary integrated teaching aims to break the limitations of traditional single subject teaching, broaden students' horizons, and cultivate their core competencies for comprehensive growth. In the current context of basic education reform, interdisciplinary integrated teaching not only solves the problems of fixed thinking and one-sided perspectives in traditional teaching, but also provides students with a more comprehensive and diverse learning experience. Interdisciplinary integrated teaching enhances students' understanding and application of basic knowledge. By integrating knowledge and methods from different disciplines, students can gain a deeper understanding of problems, form a more complete and systematic knowledge system, and increase their interest and participation in learning. The diverse learning content and methods stimulate students' curiosity and thirst for knowledge, making them more proactive in their studies. In addition, interdisciplinary integrated teaching also promotes the integration between disciplines and the cultivation of comprehensive literacy, which helps to cultivate composite talents with interdisciplinary thinking and innovation abilities. This article explores the practical effects and evaluation methods of interdisciplinary integrated teaching in basic education.

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)0,090
score de la tête « metaresearch » (Gemma)0,159
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: aucune
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil0,477

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0900,159
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,017
Tête enseignante GPT0,488
Écart entre enseignants0,471 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Educational Technology and PsychologyMême sujetEducational Reforms and InnovationsTravaux en français237 207