Development of Argumentation-Based Guidance Materials in Science Education and Analysis of Students’ Argumentation Levels
Notice bibliographique
Résumé
Bu çalışmada, 6. sınıf “Ses ve Özellikleri” ünitesinde yer alan kavramlara yönelik argümantasyon tabanlı bilim öğrenme (ATBÖ) yaklaşımına dayalı öğretim materyalleri geliştirmek ve öğrencilerin argümantasyon düzeyleri ile kavramsal anlamalarını incelemek amacıyla nitel araştırma yaklaşımlarından durum çalışması kullanılmıştır. Veri toplama aracı olarak öğrencilerin uygulama öncesinde ve uygulama sürecinde doldurdukları etkinlik kâğıtları ve uygulama sonrasında yapılan yarı yapılandırılmış mülakat kullanılmıştır. Öğrencilerin argümantasyon düzeylerini belirlemek için Erduran ve diğerleri (2004) tarafından geliştirilen bir rubrik kullanılmıştır. Yarı yapılandırılmış mülakat verileri betimsel analize tabi tutulmuştur. Kavramla ilgili sorulara verilen yanıtlar doğru, kısmen doğru, yanlış ya da boş olarak kodlanmıştır. Bu kategoriler ve frekans dağılımları örnek öğrenci ifadeleri ile tablolaştırılmıştır. Çalışmanın sonuçları, ilk etkinlikler sırasında öğrencilerin argümantasyon seviyesinin başlangıçta 1. seviyede olduğunu göstermektedir. Etkinlikler ilerledikçe 2. seviye argümanların sayısında artış olmuş, bazı etkinliklerde 3. seviye örneklerine de rastlanmıştır. Ancak 4. veya 5. seviye argüman üretilmemiştir. Geliştirilen materyallerin öğrencilerin kavramsal öğrenmeleri üzerinde olumlu bir etkisi olmuştur.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,004 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».