Digital Teaching Supervision Model of Educational Supervisors under the Office of Primary Educational Service Area in Northeastern Region
Notice bibliographique
Résumé
This research aimed to: 1) Investigate the effectiveness of digital teaching guidance provided by educational supervisors affiliated with the Northeastern Primary Education Area Office. 2) Develop a model for digital teaching guidance by educational supervisors under the Northeastern Primary Education Service Area Office. 3) Evaluate the feasibility and benefits of the proposed model. The research consisted of three phases: Phase 1: Investigating the effectiveness of digital teaching guidance by educational supervisors, based on relevant documents, research, and interviews with a purposively sampled group of 30 individuals demonstrating outstanding practices (Best Practice). Phase 2: Developing a model for digital teaching guidance by educational supervisors and evaluating the model’s suitability through a seminar involving 7 experts, using the Connoisseurship approach. Phase 3: Evaluating the feasibility and benefits of the digital teaching guidance model by educational supervisors. The sample group comprised 50 educational supervisors affiliated with the Northeastern Primary Education Service Area Office, selected through multi-stage random sampling. Statistical analysis used in the study included mean, percentage, and standard deviation. The research findings revealed that: 1. Effective digital teaching guidance by educational supervisors consists of four key processes: 1) Analysis of context, 2) Development of teaching guidance plans, 3) Observation of teaching practices, and 4) Reflection on outcomes. Each process involved problem analysis, needs identification, collaborative planning, and the systematic use of digital tools and online social media aligned with the teaching guidance process. The effectiveness of teaching guidance was evaluated through the assessment of teachers’ knowledge, understanding, and learning management abilities, collaboratively determined and facilitated through an online Professional Learning Community (PLC). 2. The developed model comprises five components: 1) Principles and concepts, 2) Objectives, 3) Core content of the model, including the four-step digital teaching guidance process, 4) Implementation guidelines, and 5) Success conditions. The model’s suitability was assessed at the highest level. 3. In the feasibility and benefits assessment, the overall evaluation indicated the highest level of feasibility and benefits.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».