An innovative model program for teaching educational psychology based on the maximum information entropy model
Notice bibliographique
Résumé
This paper carries out a research on the quantitative evaluation of classroom behavior based on the maximum information entropy model, explains the theory related to information entropy and analyzes the concept of information entropy.The improved iFIAS interactive analysis system was used as the main analysis tool, and S-T analysis and time series analysis were used as auxiliary analysis methods to analyze the classroom teaching behaviors.Classroom teaching behaviors were coded and sampled, from which classroom teaching behavior related data were obtained, through which teaching behavior information entropy, redundancy, interaction mode, teaching mode and behavior category frequency were analyzed.After analysis, the overall classroom teaching characteristics of the psychoeducational quality lesson examples are teacher behavior and student behavior as the main, psychoeducational and teaching materials as the secondary, and the teacher's behavior in the early part of the classroom accounts for a high proportion in order to drive the students into the classroom.The proportion of student behavior rises in the middle and late stages.The proportion of hybrid and dialogic teaching mode is 95.83%, which is dozens of times more than the proportion of lecture.It reveals the teaching mode of quality psychology classroom teachers, i.e., focusing on the interaction with students and replacing the pure teacher lecture student acceptance mode with interactive counseling student active learning.The teaching analysis of quality classroom teaching behaviors with the maximum information entropy model realizes the establishment of an innovative model of psychological teaching and clarifies the direction for the future development of psychoeducational classrooms.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».