MétaCan
Menu
Retour à la cohorte
Enregistrement W4406403365 · doi:10.5539/jel.v14n3p76

Development of an Active Play Learning Model to Promote Executive Functions for Elementary School Students

2025· article· en· W4406403365 sur OpenAlexvenueno aff
Somkiat Kongthanajindasiri, Manop Sungkaew, Benchaporn Sawangsri

Notice bibliographique

RevueJournal of Education and Learning · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueChild Therapy and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyMathematics educationActive learning (machine learning)PedagogyComputer science

Résumé

récupéré en direct d'OpenAlex

In this study, we aimed to develop an active play learning model to enhance cognitive thinking skills in elementary school students. We employed a qualitative research methodology, targeting health and physical education teachers from schools in Suphan Buri Province in Thailand. We collected data through individual surveys and in-depth interviews and performed data synthesis using documents and focus groups to guide the model’s development. The research findings revealed that teachers have a moderate understanding of cognitive thinking skills and the active play learning model. Although sports activities are regularly incorporated into lessons, they are not done so effectively enough to develop cognitive thinking skills. However, teachers recognize the importance of organizing activities to help students develop social skills through play. Therefore, we recommended additional training to enhance the active play learning model’s knowledge and understanding and ensure its effective implementation in teaching and learning. Based on data synthesis, we focused on three key areas: working memory skills, inhibitory control and reflective thinking skills, and cognitive flexibility skills. We utilized a variety of games and activities, such as rock-paper-scissors, imaginative block games, and treasure hunts using maps, to stimulate skill development in each area.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,758
Score d'incertitude au seuil0,329

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,389
Écart entre enseignants0,365 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetChild Therapy and DevelopmentTravaux en français237 207