MétaCan
Menu
Retour à la cohorte
Enregistrement W4414804174 · doi:10.5539/hes.v15n4p266

Robotic Simulation in STEM Education: A Conceptual Framework for Developing Problem-Solving and Systems Thinking Skills (RSiSTEM Framework)

2025· article· en· W4414804174 sur OpenAlexvenueno aff
Ampawan Yindeemak, Thada Jantakoon, Rukthin Laoha

Notice bibliographique

RevueHigher Education Studies · 2025
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensnon disponible
Organismes subventionnairesNational Research Council of Thailand
Mots-clésAdaptabilityCreativityLikert scaleConceptual frameworkSystems thinkingSample (material)Critical thinkingCognitionConcept learningComputational thinking

Résumé

récupéré en direct d'OpenAlex

This study aimed to design, develop, and validate the RSiSTEM framework, a robotics-based simulation learning model intended to foster students’ problem-solving and systems thinking competencies within STEM education. The research followed a two-phase developmental design. In Phase 1, the framework was constructed through a systematic synthesis of literature in STEM pedagogy, educational robotics, and simulation-based learning. Phase 2 focused on expert validation using a 5-point Likert scale. A purposive sample of seven experts with backgrounds in educational technology, instructional design, STEM education, and creativity and innovation in higher education participated in the evaluation. The assessment encompassed five domains: conceptual principles, alignment with problem-solving objectives, alignment with systems thinking objectives, feasibility of implementation, and suitability within the STEM education context. Descriptive statistics, including means and standard deviations, were employed to interpret expert judgments. Results indicated consistently high levels of appropriateness across all domains, with overall mean scores ranging from 4.66 to 4.71. The highest rating was observed for feasibility (x̄ = 4.71, SD = 0.42), while adaptability to diverse learner levels (x̄ = 4.29, SD = 0.70) reflected some variability among reviewers. The findings confirm that the RSiSTEM framework is conceptually robust, pedagogically sound, and practically feasible for classroom application. By integrating robotics simulation into structured STEM instruction, the framework offers a validated approach to cultivating higher-order cognitive skills essential for addressing complex challenges in the 21st century.

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)0,006
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,005
Communication savante0,0030,003
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,191
Tête enseignante GPT0,468
Écart entre enseignants0,277 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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 revueHigher Education StudiesMême sujetComplex Systems and Decision MakingTravaux en français237 207