The Development of a Literacy Curriculum Using Activity-Based Learning, Digital Curriculum and Spatial Identity to Enhance Literacy Skills of Elementary Students
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
This study uses a research and development model (R&D) that aims to develop a literacy curriculum using activity-based learning, digital curriculum and spatial identity to enhance literacy skills of elementary students under the office of education, Chiang Mai municipality. The target groups include 235 elementary students, 12 elementary teachers and 34 Thai language teaching pre-service teachers. Data were collected in the academic year 2022-2023. The main tools used include a literacy curriculum, a literacy skills assessment test for participating students, a competency assessment form for designing learning activities of Thai language teaching pre-service teachers, a teaching management competency assessment form for teachers. For the data analysis, mean values, standard deviation, and T-test dependent are used. The research findings reveal that: Firstly, the literacy curriculum is composed of the following elements: 1) principles, 2) objectives, 3) activity organization in five stages including (1) the text comprehension stage, (2) vocabulary expansion stage, (3) profound sentence comprehension stage, (4) specialized reading proficiency stage, and (5) effective written communication stage, and 4) measurement and evaluation. Secondly, the outcomes of the use of the innovative literacy curriculum show that (1) the students exhibited significantly higher literacy skills after than before studying at a statistical significance level of 0.05, (2) the Thai language teaching pre-service teachers demonstrated a high level of competency for designing learning activities, and (3) the teachers showed a high level of learning management competency.
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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