Türkçe öğretmenlerinin fiilimsi grupları konusundaki alan yeterliliklerine ilişkin bazı değerlendirmeler
Notice bibliographique
Résumé
Fiilimsiler, kendilerine yeni kelimeler bağlayabilmeleri nedeniyle fiile benzer. Fiilimsilerin bu karakteristik özelliği, öğretim programına da girmiştir. Ortaokul 8. sınıf Türkçe dersi öğretim programında fiilimsilerin bu özelliği vurgulanmıştır. Öğretim sürecinde öğrencilere bazı bilgilerin öğretilebilmesi, öğretmenin bilgisinin yeterliliği ile ilişkilidir. Bu çalışmada Türkçe öğretmenlerinin fiilimsi grupları konusundaki alan bilgisi incelenmiştir. Araştırmaya ortaokullarda görev yapan 103 Türkçe öğretmeni katılmıştır. Çalışmada veri toplamak için araştırmacı tarafından oluşturulan ve uzman görüşünden geçen bir veri toplama formu kullanılmıştır. Çalışmada katılımcı öğretmenlere 7 örnek cümle verilmiş ve bu cümlelerde fiilimsi grubu olup olmadığının açıklanması istenmiştir. Öğretmenler, açıklamalarını formun ilgili bölümüne yazmışlardır. Öğretmenlerin sorular için yazdığı açıklamalar incelenmiş ve bu yolla öğretmenlerin fiilimsi grupları hakkında yeterli bilgiye sahip olup olmadıkları tespit edilmeye çalışılmıştır. Araştırmaya katılan 103 öğretmenden sadece 4’ü, bütün sorular için doğru açıklama yazmıştır. Öğretmenlerin %65’i hiçbir soruya doğru açıklama yazamamıştır. Bu sonuçlar, araştırmaya katılan öğretmenlerin fiilimsi grupları konusundaki alan bilgisi yeterliklerinin düşük olduğunu göstermektedir.
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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».