MétaCan
Menu
Retour à la cohorte
Enregistrement W4412330662

Det almene og det erhvervsrettede:tre undervisningsforløb med FVU og AMU i samspil

2013· report· da· W4412330662 sur OpenAlexaff
Bjarne Wahlgren, Elsebeth Fjord Pedersen

Notice bibliographique

Revuenon disponible
Typereport
Langueda
DomainePsychology
ThématiqueEducation, Healthcare and Sociology Research
Établissements canadiensNicolet Chartrand Knoll (Canada)
Organismes subventionnairesnon disponible
Mots-clésChemistry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

NCK har indsamlet erfaringerne fra tre undervisningsforløb, der fokuserer på samspil mellem den almene undervisning og den fagrettede undervisning. Erfaringsindsamlingens væsentligste funktion er at kunne fungere som eksempler på, hvordan man kan gøre inden for forskellige fagområder. På tværs af de tre forløb kan erfaringerne sammenfattes således: • Samspillet mellem FVU og AMU opleves som meget givende både af undervisere og undervisningsdeltagere. • Jo mere funktionel FVU-undervisningen er i forhold til AMU-undervisningen og i forhold til deltagernes hverdag og arbejdsliv, jo bedre er udbyttet. At undervisningen er funktionel betyder, at deltagerne kan ’bruge den til noget’. De kan umiddelbart se meningen med at lære det, de skal lære. • FVU-undervisningen giver deltager en oplevelse af sikkerhed. De mestrer og kan forstå de beregninger, som de arbejder med i deres dagligdag. De får kendskab til ord og begreber, som eller har været mystifikationer. Denne sikkerhed styrker den personlige udvikling hos deltagere, hvor den skolebaserede viden ligger langt tilbage. • FVU-undervisningen bidrager til, at AMU-lærerne kan koncentrere sig om den ’faglige’ side af undervisningen. • Den tværsektorielle undervisning kræver en særlig kompetence hos de involverede lærere. De skal vide, hvor fagene kan spille sammen. I de beskrevne forløb opnås denne kompetence gennem det faglige undervisningssamarbejde. • AMU-lærerne giver flere eksempler på, at de har fået større indsigt i kursisternes behov for almene kompetencer – et behov der ofte kan være vanskeligt at gennemskue i den almindelige undervisning. • FVU lærerene skal kunne læse det faglige materiale med henblik på: o Hvilke matematiske forudsætninger der kræves i den faglige undervisning, fx træning i omregning af enheder og beregninger ved hjælp af formler. o Hvilke sproglige forudsætninger der kræves i den faglige tilegnelse, fx læsefærdighed og forståelse af fagsprog. o Hvordan IT kan indgå konstruktivt i den faglige læring. • AVU-læreren skal være i stand til at sammenbinde læringen fra FVU-undervisningen med den faglige undervisning. De skal være i stand til at får de almene kompetencer til at træde tydeligt fra i den faglige undervisning. • Når ført interessen for den almene undervisning er vagt, giver den muligheder for arbejde med mere alment dannende stof, fx forskellige teksters forskellige budskaber. Den mest bemærkelsesværdige erfaring er måske den, at de involverede lærere – på trods af administrative vanskeligheder og på trods af det store ekstraarbejde, som de har måttet lægge i undervisningsforberedelsen – er uforbeholdent positive over for det tværfaglige samarbejde. Det er et generelt træk, at man har lært a samarbejdet, og at man ønsker at fortsætte det. Hvis det tværsektorielle samarbejde skal styrkes, kunne det overvejes at opkvalificere de lærergrupper, som fremover skal indgå i et sådant samarbejde. Opkvalificeringen skulle omfatte indsigt og træning i den funktionelle side af fagsamarbejdet.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,186
Score d'incertitude au seuil0,622

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,005
Communication savante0,0170,009
Science ouverte0,0020,010
Intégrité de la recherche0,0060,008
Charge utile insuffisante (le modèle a refusé de juger)0,1860,099

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 Opus0,264
Tête enseignante GPT0,516
Écart entre enseignants0,252 · 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'étudeQualitatif
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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEducation, Healthcare and Sociology ResearchTravaux en français237 207