MétaCan
Menu
Retour à la cohorte
Enregistrement W4398171402 · doi:10.23977/aetp.2024.080324

Practice of Online and Offline Blended Teaching Curriculum in Korean Chinese Education Based on Flipped Classroom

2024· article· en· W4398171402 sur OpenAlexvenueno aff
Shu Han, Qiu Chang

Notice bibliographique

RevueAdvances in Educational Technology and Psychology · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Educational Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFlipped classroomFlipped learningCurriculumMathematics educationBlended learningOnline and offlineComputer sciencePsychologyPedagogySociologyMultimediaEducational technology

Résumé

récupéré en direct d'OpenAlex

Since the 21st century, with the deepening of education reform, "flipped classroom" as a new teaching method has attracted high attention from countries around the world. Especially in foreign language teaching, flipped classrooms, with their flexible learning methods, greatly enhance learners' learning enthusiasm and enhance learning efficiency. On the basis of analyzing the current situation of Chinese language teaching in South Korea, this article conducted a more in-depth study on the application status of "online and offline" blended flipped classrooms in China. This article provided a detailed analysis from two aspects: teaching design and teaching implementation and student feedback. Combined with practical teaching practices, it was proved that "flipped classroom" can better promote the development of students' Chinese language. This article focused on case studies, supplemented by empirical analysis. The language skills test scores of the experimental group students were higher than those of the control group. For example, class 3 of the experimental group achieved a high score, while the highest score in the control group was only 71 points. This article has certain reference significance for Chinese language teaching in South Korea, and has certain reference significance for teaching other languages.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · 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
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,443
Écart entre enseignants0,432 · 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'étudeSans objet
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 sujetInnovative Educational TechniquesTravaux en français237 207