PISA and Sustainable Development Goals: Comparing Science Curricula in Secondary Schools in Indonesia, Singapore, Australia, and Canada in the Content Aspect Based on the PISA 2025 Framework
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
Continuous curriculum updates are crucial for enhancing the quality of education, improving citizens' global competitiveness, and supporting Sustainable Development Goal (SDG) 4, particularly the goal of achieving quality education for all. International studies, such as PISA, have attracted many researchers interested in comparative curricula across PISA-participating countries. Unlike previous studies, this research compares the science curricula of Indonesia, Singapore, Australia, and Canada based on the science content tested in the PISA 2015, PISA 2021, and PISA 2025 frameworks. The method used in this study is content analysis. We searched for documents from the four countries on their respective Ministries of Education websites. After obtaining the documents, two researchers independently conducted the coding analysis. After that, the researchers validated the content analysis through inter-rater agreement. The results show that the science curricula of Indonesia, Singapore, Australia, and Canada do not specifically cover all content in the PISA 2015, PISA 2021, and PISA 2025 frameworks. Specifically, Singapore's curriculum documents do not cover Earth and Space System content, while Labrador, Alberta, and British Columbia cover all themes. The Indonesian science curriculum encompasses all themes assessed in PISA questions and the PISA 2025 framework, although it does not yet cover all topics. However, it remains challenging to pinpoint the reasons for the differences in PISA results among the four countries in this comparative study.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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