Uporaba geodrevesa in sudokuja kot aktivnosti za razvoj računalniškega mišljenja v 4. razredu osnovne šole
Notice bibliographique
Résumé
Razumevanje temeljnih računalniških znanj je v sodobni družbi, kjer informacijsko-komunikacijske tehnologije igrajo ključno vlogo na vseh področjih življenja, postalo nepogrešljivo. Zato je nujno, da učencem v osnovni šoli pomagamo razvijati osnovna znanja računalništva in informatike, ki jih bodo kasneje nadgrajevali do te mere, da bodo znali IKT pravilno in učinkovito uporabljati. Poleg tega jim moramo pomagati razvijati vztrajnost pri soočanju z neuspehom, sposobnost učinkovitega reševanja problemov in izzivov ter algoritmično in kritično razmišljanje. Namen prispevka je predstaviti aktivnosti računalništva brez računalnika, s katerimi učencem 4. razreda osnovne šole omogočamo učne priložnosti za pridobivanje in razvijanje temeljnih znanj računalništva in informatike. Cilj je spodbujati razvoj računalniškega mišljenja, kar smo poskušali doseči s sistematičnim pristopom ter uporabo konkretnih praktičnih iger in izzivov, kot sta geodrevo in sudoku. Ti primeri aktivnosti spodbujajo algoritmično razmišljanje učencev, sodelovalno reševanje nalog, razumevanje algoritmov ter urjenje v reševanju problemov. Z metodo opazovanja, glede na viden in zaznan napredek, ter refleksijo učencev, smo ugotovili, da so učenci učne priložnosti dobro izkoristili, saj so začeli uporabljati opisani način razmišljanja tudi v drugih učnih situacijah. V prispevku, ki je namenjen predvsem učiteljem v osnovni šoli, predstavljamo primere dobre prakse, ki predstavljajo ključni gradnik za nadaljnje učenje in pripravo na tehnološke izzive prihodnosti.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».