Learning Cycle 5E Model and Junior High School Students’ Scientific Literacy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
General Background: Scientific literacy is a crucial 21st-century skill that enables students to apply scientific knowledge in solving real-life problems. Specific Background: In Indonesia, the results of PISA consistently show low levels of scientific literacy among students, highlighting the need for effective instructional models. Knowledge Gap: Previous studies have explored the Learning Cycle 5E model but rarely examined its role in addressing scientific literacy using the Pan-Canadian Assessment Program (PCAP) indicators. Aim: This study aimed to investigate the Learning Cycle 5E model in improving scientific literacy among junior high school students. Results: Using a quantitative pre-experimental design with a one-group pretest-posttest, findings revealed an N-gain of 0.6 (moderate category) and no significant differences across classes based on ANOVA (p = 0.126). Analysis of indicators showed improvements with scientific inquiry (70%, good), problem-solving (56%, fairly good), and scientific reasoning (43%, fairly good). Novelty: The study highlights the integration of PCAP indicators into the Learning Cycle 5E framework, providing a structured evaluation of scientific literacy beyond content mastery. Implications: These findings suggest that the 5E model supports active and inquiry-based learning, which can be adapted by teachers to foster better scientific literacy outcomes in junior high schools. Highlights : Structured evaluation of scientific literacy using PCAP indicators Improvement in scientific inquiry, problem solving, and reasoning Practical guidance for teachers in junior high school science Keywords: Learning Cycle 5E, Scientific Literacy, PCAP Indicators, Junior High School, Science Education
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.
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 | 0,009 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 découle