Modelling Activities in Qualifying Training for Future Primary School Teachers: An Attractive Way to Train Competent and Innovative Teachers
Notice bibliographique
Résumé
This paper investigates the outcomes of implementing a model-based training approach at the Centre Régional des Métiers de l’Éducation et de la Formation de Tanger Tetouan Al Hoceima (CRMEFTTH). The primary objective is to enhance the scientific knowledge of future primary school teachers, correct misconceptions about scientific concepts, and develop their creative and innovative thinking abilities, essential for science teaching. The approach involves trainee-teachers producing and utilizing scientific models, following a structured process prioritizing reflection and creativity. The training process begins with a pre-test to assess trainees' existing knowledge, followed by modelling activities where groups manipulate models based on specific instructions. This phase concludes with a post-test to evaluate the impact of analogue modelling on the understanding and appropriation of scientific concepts. Additionally, a satisfaction questionnaire is analyzed to assess the effectiveness of the approach. The results demonstrate that this modelling approach significantly enhances the training of novice teachers by improving their comprehension and representation of scientific concepts. The analysis of the questionnaires revealed that trainee teachers were highly satisfied with their achievements and the skills they developed, including observation, conceptualization of phenomena, production and evaluation of models, imagination, and team spirit. The implications of this study suggest that implementing modelling-based training approaches in teacher education programs can significantly improve the quality of science teaching in primary schools. By equipping future teachers with the necessary skills and knowledge to effectively construct scientific concepts to young learners. This approach has the potential to transform science teaching at primary level.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».