Türkiye ve Kanada’daki (Alberta Eyaleti) Sosyal Bilgiler Öğretim Programlarının Beceri Boyutu Açısından Karşılaştırılması
Bibliographic record
Abstract
Bir karşılaştırmalı eğitim çalışması olan bu araştırmanın amacı, Türkiye ve Kanada’daki (Alberta Eyaleti) Sosyal Bilgiler Öğretim Programlarını beceri boyutu açısından incelemektir. Araştırma deseni temel nitel araştırmadır. Veriler doküman incelemesi yoluyla toplanmış ve birincil veri kaynağı olarak her iki ülkenin resmi internet sitelerinden ulaşılan güncel Sosyal Bilgiler Öğretim Programları kullanılmıştır. Elde edilen veriler betimsel analiz yoluyla analiz edilmiştir. Ülkelerin sosyal bilgiler öğretim programlarında yer alan temel beceriler ve sınıf düzeyi bazındaki beceriler irdelenerek “benzerlikler” ve “farklılıklar” temaları altında işlenmiştir. Bulgulara bakıldığında Türkiye’deki Sosyal Bilgiler Öğretim Programı ile Kanada’daki (Alberta Eyaleti) Sosyal Bilgiler Öğretim Programı’nda kazandırılması hedeflenen temel beceriler hem sayısal olarak hem de içeriklerinin açıklanması bakımından farklılık göstermektedir. Bunun yanında eleştirel düşünme, araştırma, iletişim, karar verme, problem çözme ve sosyal katılım becerileri ortak olarak her iki ülke programında da yer almaktadır. Ayrıca sınıf düzeyi bazında verilen becerilerin Kanada’daki (Alberta Eyaleti) Sosyal Bilgiler Öğretim Programı’nda dört ana başlık altında şekillendiği görülmektedir. Bu kapsamda elde edilen sonuçlar ilgili literatür ışığında tartışılmış ve birtakım önerilere yer verilmiştir.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.048 | 0.006 |
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".