Exploration of the Ways to Improve Alignment between Content and Standards in the Big Idea-Based Curriculum: Focusing on the Social Studies Curriculum in BC and Ontario
Bibliographic record
Abstract
본 연구에서는 캐나다 BC 주와 온타리오 주의 사회과 교육과정을 검토하여 빅 아이디어 중심으로 교과 교육과정을 설계할 때 내용 체계와 성취기준의 연계를 강화하기 위한 개선 방향을 탐색하였다. 이를 위해 첫째, 빅 아이디어의 의미와 2015 개정 교과 교육과정의 내용 체계에 대해 살펴보고, 둘째, BC 주와 온타리오주의 사회과 교육과정에서 내용과 기준의 제시와 특징을 살펴보고, 셋째, 이러한 외국의 사례들을 통해 빅 아이디어 중심 교과 교육과정에서 내용 체계와 성취기준의 연계를 위한 개선 방향을 제시하였다. 본 연구에서 제시된 개선 방향은 다음과 같다. 첫째, 핵심 개념을 여러 주제와 소재를 아우를 수 있는 소수로 선정하고, 각성취기준이 어떠한 핵심 개념과 연계되는지를 교육과정 문서에 제시할 필요가 있다. 둘째, 일반화를 학년(군)별로 선정하고, 성취기준이 어떠한 일반화와 관련되는지를 보여줄 필요가 있다. 셋째, 교과의 탐구 과정이 명료히 드러나도록 기능을 제시하고, 기능과 성취기준의 관련성을 제시할 필요가 있다. 넷째, 내용 체계의 요소와 성취기준을 교육과정 문서의 독자가 충분히 이해하도록 핵심 질문, 탐구 예시 등을 포함하며 설명할 필요가 있다.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.011 | 0.020 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.011 | 0.005 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".