The Development Instructional Model Based on Steam Education by TP-SMART MODEL to Enhance Technological Innovation and Creativity Skills of Secondary Student Mathayom 6
Notice bibliographique
Résumé
The Development Instructional Model Based on Steam Education by TP-SMART MODEL To Enhance Technological Innovation and Creativity Skills of Secondary student Mathayom 6, divided into 4 steps. Step 1: Study the current and expected conditions of student learning and innovation skills development. 2) Develop the model 3) Study the results of use 4) Evaluate the results. Sample group used in the study Mathayom 6/4 students at That Phanom School, Semester 1, academic year 2023, 1 classroom, 26 people. By means of Cluster Random Sampling, statistics used include mean (X), standard deviation (S.D.), essential needs index (PNI Modified), and t-test (Match paired t-test) The results of the study found that 1) The results from the synthesis of learning skills and innovation components consisted of 3 components: Including (1) communication and cooperation (2) critical thinking and problem-solving and (3) Creative thinking and innovation Elements with the highest demand index values are creativity and innovation PNIModified=.294. 2) The model development is consistent with values between 0.80-1.00 and the overall average is 0.933. The confirmation results found that the overall components were appropriate at the highest level (X=4.258, S.D.=0.668). 3) Results of the comparative analysis of scores before and after using the format. The difference is statistically significant at .05. 4) Overall evaluation of the use of the model The average is at a high level (X=4.29, S.D.=0.65).
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 | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».