Development of An Instructional Model Based on the Professional Learning Community Process and Work-Based Learning to Enhance Classroom Research Competency
Notice bibliographique
Résumé
The objectives of this research are to develop and study the effectiveness of the developed instructional model based on the professional learning community process and work-based learning in enhancing classroom research competencies. The sample groups used in the research were 32 third-year students of the Bachelor of Education Program in Teaching Chinese Language and English Language Teaching, selected by purposive sampling, from students who were preparing for teaching in educational schools. The data collection tools used in the research include; 1) a pre-test and a post-test, which are the same test with 25 multiple-choice questions (4 choices each) and complete worksheets 1-9. Statistics used in data analysis included mean, standard deviation, and t-test for dependent., the results indicate that the instructional model based on the professional learning community process and work-based learning to enhance classroom research competency called the PCW Model, consists of 4 important elements: 1) principles of the model, 2) objectives of the model, 3) steps of the model, and 4) measurement and evaluation of the model. Regarding the study on the effectiveness of the model; this indicates that after using the instructional model based on the professional learning community process and work-based learning to enhance classroom research competency, the students’ classroom research competency was significantly higher than before at the 0.01 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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».