Compositions and Indicators Towards Learning Management Competencies for Enhancing Critical Thinking of Math Teachers in Secondary Schools
Notice bibliographique
Résumé
This research aimed to 1) study compositions and indicators towards learning management competencies for enhancing critical thinking of math teachers in secondary schools, and 2) to check construct validity of learning management competencies for enhancing critical thinking of math teachers in secondary schools. The sample group was 260 individuals who were math teachers in secondary schools that are located in Secondary Educational Service Area, Office of the Basic Education Commission, 2567 B.E., Northeastern region. The author set the size of sample group according to ratio of 20:1 of parameters and used Multi-stage Sampling method. The research tool that was used was questionnaire. The research tool was questionnaire for development of compositions and indicators towards learning management competencies for enhancing critical thinking of math teachers in secondary schools. It was found that 1) the result of development in compositions and indicators towards learning management competencies for enhancing critical thinking of math teachers in secondary schools was from documents, synthesis, and other related research. And it was found that competency in learning management to enhance critical thinking of math teacher in secondary schools consisted of three compositions, which are, create and develop curriculum, designing and learning management, and measurement and assessment of learning outcome, with 13 indicators. 2) The result of checking the construct validity of learning management competencies for enhancing critical thinking of math teachers in secondary schools was found that the model has fit index and evidence-based. The Chi-Square was at 71.941. Degrees of Freedom was at(df) 55. Statistical significance (p-value) was at .062, which means the Chi-square did not have statistical significance and Root Mean squared Residual was at .006 Goodness-of-Fit Index was at .961. Adjusted Goodness-of-Fit Index was at .936. Incremental Fit Index was at .992. Tucker Lewis index was at .989. Comparative Fit Index was at .992 and Root mean square error of approximation was at .034.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».