Analyse des Lehrwerkes “Alles Deutsch” für die Klassen sechs bis neun des schwedischen Schulsystems im Hinblick auf die Eignung für SchülerInnen mit Aufmerksamkeitsdefizit-Hyperaktivitätsstörung und Lese-Rechtschreib-Schwäche
Notice bibliographique
Résumé
Die vorliegende Arbeit thematisiert die Eignung des Lehrwerks Alles Deutsch an die Diagnosen Lese-Rechtschreib-Schwäche und Aufmerksamkeitsdefizit- Hyperaktivitätsstörung. Durch Erarbeitung der Kennzeichen und didaktischer Empfehlungen für die beiden Diagnosen wird der theoretische Rahmen für die folgende praktische Analyse des Lehrwerks gestellt. Die Arbeit soll damit durch die Forschungsfrage „Inwiefern ist das Lehrwerk Alles Deutsch an die fremdspachliche Förderung der Diagnosen Lese- Rechtschreib-Schwäche und Aufmerksamkeitsdefizit-Hyperaktivitätssyndrom angepasst?“ sowohl Lehrpersonen bei der Wahl eines geeigneten Lehrwerks für den DaF-Unterricht helfen als auch zur Verbesserung von Lehrwerken im Hinblick auf diese Diagnosen beitragen. Die Analyse ergibt, dass das Lehrwerk in vielen der erarbeiteten Kriterien gut an die Diagnosen angepasst ist. Sie zeigt jedoch auch deutlich, dass auch Verbesserungsmöglichkeiten zu finden sind, die die Anpassung noch besser gestalten könnten. Diese Überarbeitungen sowie auch weitergehende Forschung mit Fokus auf Parallelen zu anderen Diagnosen sowie die Befragung von Lehrpersonal und SchülerInnen kann die Entwicklung in diesem Forschungsgebiet weiterführend bereichern.
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 | 0,008 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 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 ».