Evaluation of a Project to Develop Learning Management Competency Using Digital Technology Among Teachers in a Bangkok School in Order to Facilitate the Learning Loss Recovery of Basic Education Level Students: Applying Kirkpatrick’s Concepts and Model
Notice bibliographique
Résumé
The spread of the coronavirus (COVID-19) strongly affected educational management in Thailand. This gave rise to the problem of how to improve the quality of students of all ages through 100% online learning, be this in areas of knowledge, abilities, skills, and attitudes towards learning. Therefore, the Secretariat of the Education Council of Thailand studied the learning loss of basic education students during COVID-19 and recommended ways to solve the problem using the seven measures derived from the RECOVER Model. Based on this, the researchers devised a project and conducted it along with agency administrators and school administrators under Bangkok Metropolitan Administration, Bang Khen District. Their objective was to evaluate the development of learning management competency using digital technology among teachers in a Bangkok school in order to facilitate the learning loss recovery of basic education level students. The results revealed that participants responded strongly to the overall project process and activities (Mean = 4.71, S.D. = 0.57) with the level of knowledge developed from the relative gain score at a high level (GS = 72.12) and 75.00 percent had the ability to create educational Line stickers for sale in the Sticker Shop. In addition, participants’ behavior changed as a result of applying the knowledge, abilities, and skills acquired to teaching and learning in their own subjects. Consequently, the schools to which they are affiliated were able to facilitate the learning loss recovery of students extremely well through the combined participation of administrators, teachers, students, and parents.
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 | 0,011 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».