(استخدام خرائط برنامج جوجل إيرث Google Earth المجسمة في شرح وتبسيط بعض موضوعات مادة جغرافية مصر للصف الأول الثانوي)
Bibliographic record
Abstract
يهدف البحث الحالي إلى دراسة إمكانية استخدام برنامج جوجل إيرث والخرائط المجسمة التي يحتويها والمعتمدة على صور فضائية وجوية حديثة ومدعمة بالصور ولقطات الفيديو في تدريس مقرر جغرافية مصر للصف الأول الثانوي وتنفيذ جولات افتراضية لدراسة بعض المواقع الجغرافية في مصر، كما يهدف البحث إلى استكشاف آراء واتجاهات كل من المعلمين والطلاب وإدارة المدرسة ومسؤولي وحدة تكنولوجيا المعلومات IT تجاه ذلك، واستكشاف ما قد يعترض تطبيقه من معوقات حتى يمكن تجنبها او تذليلها. ولتحقيق هذا الغرض قام الباحثون بتصميم ثلاث استمارات لاستطلاع رأي كل فئة من الفئات المذكورة (ملاحق 1،2،3) ومن ثم تفريغ البيانات وتحليلها باستخدام برنامج ميكروسوفت إكسل (جداول 1،2،3)، وتمثيل النتائج في أشكال بيانية ما أمكن، ثم كتابة التقرير النهائي للبحث. وقد اتضح من تحليل نتائج تلك الاستبيانات ما يلي: 100 % من السادة المعلمين الذين شملهم الاستبيان يرون أهمية استخدام تطبيق جوجل إيرث ولكن 90 % منهم يرحبون باستخدامه في تدريس موضوعات المقرر وربما يعزى هذا إلى عدم المام الفئة الباقية (10%) بأساسيات الحاسب الآلي. 100 % من الطلاب موضع الدراسة يرغبون في استخدام التطبيق لدراسة المقرر. 100 % من الإداريين ومسؤولي وحدة تكنولوجيا المعلومات بالمدرسة (IT) يرحبون باستخدام التطبيق. ولكن اتضح من تحليل الاستبيانات أن استخدام التطبيق بالمدرسة تقابله صعوبات كثيرة في الوقت الحالي أهمها عدم وجود اتصال دائم بشبكة انترنت بالمدرسة رغم توفر البنية التحتية، وعدم خبرة السادة المعلمين بالبرنامج وربما أحيانا عدم الإلمام بأساسيات الحاسب الآلي، كما أنه لا يمكن توفير التدريب على استخدام البرنامج بالمدرسة لعدم وجود الكوادر المدربة لذلك. أضف إلى ذلك تقييد وضع أو تنزيل البرامج عموما وجوجل إيرث خاصة على كل من التابلت الخاص بالطلاب والسبورة الذكية بالفصل من قبل وزارة التربية والتعليم، كما أفاد السادة الإداريين ومسؤولي وحدة تكنولوجيا المعلومات بالمدرسة. وقد أوصت الدراسة بضرورة تذليل تلك الصعاب نظرا لأهمية التطبيق وقيمته العالية في تحقيق مخرجات التعلم المستهدفة من تدريس المقرر.
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 | 0.002 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.009 | 0.008 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.362 | 0.451 |
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".