MétaCan
Menu
Retour à la cohorte
Enregistrement W4416366218 · doi:10.22329/jtl.v19i2.8728

Pre-Service Teachers’ Views of the Value of Cooperative Learning: How Can it Shape 21st-Century Skills?

2025· article· en· W4416366218 sur OpenAlexvenueno aff
Celina Salvador-García, Aída Sanahuja Ribés

Notice bibliographique

RevueJournal of Teaching and Learning · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueMotivation and Self-Concept in Sports
Établissements canadiensnon disponible
Organismes subventionnairesUniversitat Jaume IGeneralitat Valenciana
Mots-clésGeneralizationQuality (philosophy)Value (mathematics)Cooperative learningQuantitative analysis (chemistry)SWOT analysis

Résumé

récupéré en direct d'OpenAlex

Teacher education should provide pre-service teachers with the opportunity to use pedagogical approaches aligning with 21st-century skills, such as cooperative learning. This present, mixed-methods study aims to examine how cooperative learning may promote (or not) the development of the abilities that are needed for this era (i.e., collaboration, creativity, interest, engagement, and self-regulation), according to the participant pre-service teachers who attended a general-didactics course, completed a survey, and carried out a SWOT analysis. The quantitative results show that each of the 21st-century skills was developed, but to a different extent. The qualitative data, along with its integration with the quantitative data, provided a more comprehensive understanding of how and why each of the aforementioned proficiencies was developed, either confirming, or further explaining, the quantitative results. In conclusion, cooperative learning may foster the development of 21st-century skills, which are essential in the pursuit of quality education. Although no claims are made regarding the generalization of the findings, this study supports the idea that integrating cooperative learning in teacher education may promote relevant abilities and competencies among pre-service teachers, while providing them with experiences that may shape their future teaching practices.

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)0,005
score de la tête « metaresearch » (Gemma)0,011
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,004
Communication savante0,0040,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,018
Tête enseignante GPT0,308
Écart entre enseignants0,290 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Teaching and LearningMême sujetMotivation and Self-Concept in SportsTravaux en français237 207