Learning Activity Model Using Design Thinking Process to Develop Innovative Thinking Skills of Pre-service Teachers
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
This research aimed to (1) create and determine the efficiency of a learning activity model using design thinking process to develop innovative thinking skills of pre-service teachers according to the 75/75 criteria, and (2) develop innovative thinking skills of pre-service teachers using the model. The research followed the Research and Development (R&D) approach in two phases. Phase 1 involved creating and determining model efficiency with 39 second-year English major pre-service teachers from Lampang Rajabhat University (semester 2/2021), selected through purposive sampling. Phase 2 involved implementing the model with 85 second-year English major pre-service teachers (semester 2/2022). Both groups enrolled in Material Development and Learning Innovations in English Language Teaching. Research instruments included the learning activity model using design thinking process, an innovative thinking skills assessment form, and a test. Data were analyzed using percentage, mean, and standard deviation. Research findings revealed that the created model consisted of six stages: 1) Journey into Learners’ World, 2) Innovation Spark Targeting, 3) Creative Explosion, 4) Learning Sculpture, 5) Real-World Testing, and 6) Reflect and Share. The model demonstrated an efficiency rating of 77.28/80.37, exceeding the 75/75 criteria. Pre-service teachers demonstrated overall innovative thinking skills at a good level (mean = 2.32, S.D. = 0.52). When comparing post-learning test scores with the established criteria, pre-service teachers achieved a mean score of 15.02 (S.D. = 0.93), representing 75.12%, which exceeded the established 75% criterion.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,009 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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