MétaCan
Menu
Retour à la cohorte
Enregistrement W4405884399 · doi:10.37217/tebd.1465859

Sekizinci Sınıf Fen Bilimleri Ders Kitabında Çoklu Modsal Betimleme Kullanımının İncelenmesi

2024· article· tr· W4405884399 sur OpenAlexaff
Embiye Demiralp, Mehmet Demirbağ

Notice bibliographique

RevueTürk Eğitim Bilimleri Dergisi · 2024
Typearticle
Languetr
DomaineArts and Humanities
ThématiqueEducation Practices and Challenges
Établissements canadiensYukon University
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsArtMathematics

Résumé

récupéré en direct d'OpenAlex

Bu araştırma, Millî Eğitim Bakanlığının kullandığı 8. sınıf fen bilimleri ders kitabında kullanılan modsal betimlemelerin sayısını tespit etmek, bu modların ünitelere göre dağılımını, ünite kapsamındaki içerik ile ilişkisini, betimsel özelliklerini, diğer modlarla arasındaki bağlantıları ve öğrenme güçlüğüne sebep olup olmadığını incelemek amacıyla yapılmıştır. Bu çalışmadaki temel veri toplama kaynağı 2020-2021 eğitim-öğretim yılında Millî Eğitim Bakanlığı tarafından Türkiye geneli ortaokullarda okutulması uygun görülen 8. sınıf fen bilimleri ders kitabıdır. Veri analiz sürecinde öncelikle modsal betimlemeler ile ilgili yapılan çalışmalar incelenerek ders kitaplarında kullanılan resim, fotoğraf, tablo, grafik, diyagram, şema ve matematiksel ifadeler gibi modsal betimlemeler kategorilere ayrılmış, tanımları yapılmış ve doküman analizinde kullanılacak olan modsal betimlemeler seçilmiştir. Sonuç olarak 8. sınıf fen bilimleri ders kitabında kullanılan modların sayısında ve türlerinin dağılımında ünitelere göre farklılık gösterdiği tespit edilmiştir. Ayrıca ders kitabında metin ile kısmen ilişkili ya da ilişkisiz olan modların bulunduğu, metin içeriğinde öğrencileri modlara yönlendirmek amacıyla kullanılan bağlantı ve ifadelerin yetersiz olduğu tespit edilmiştir. Çalışmada incelenen fen bilimleri ders kitaplarındaki modlarda tasarım hatası, eksiklik ve açık-anlaşılır olmayan kısımlardan dolayı belirsizlikler belirlenmiş ve bunların da öğrencilerde öğrenme güçlüğü oluşturabileceği ifade edilmiştir.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0250,006

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,302
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTürk Eğitim Bilimleri DergisiMême sujetEducation Practices and ChallengesTravaux en français237 207