Sekizinci Sınıf Fen Bilimleri Ders Kitabında Çoklu Modsal Betimleme Kullanımının İncelenmesi
Bibliographic record
Abstract
Bu araştırma, Millî Eğitim Bakanlığının kullandığı 8. sınıf fen bilimleri ders kitabında kullanılan modsal betimlemelerin sayısını tespit etmek, bu modların ünitelere göre dağılımını, ünite kapsamındaki içerik ile ilişkisini, betimsel özelliklerini, diğer modlarla arasındaki bağlantıları ve öğrenme güçlüğüne sebep olup olmadığını incelemek amacıyla yapılmıştır. Bu çalışmadaki temel veri toplama kaynağı 2020-2021 eğitim-öğretim yılında Millî Eğitim Bakanlığı tarafından Türkiye geneli ortaokullarda okutulması uygun görülen 8. sınıf fen bilimleri ders kitabıdır. Veri analiz sürecinde öncelikle modsal betimlemeler ile ilgili yapılan çalışmalar incelenerek ders kitaplarında kullanılan resim, fotoğraf, tablo, grafik, diyagram, şema ve matematiksel ifadeler gibi modsal betimlemeler kategorilere ayrılmış, tanımları yapılmış ve doküman analizinde kullanılacak olan modsal betimlemeler seçilmiştir. Sonuç olarak 8. sınıf fen bilimleri ders kitabında kullanılan modların sayısında ve türlerinin dağılımında ünitelere göre farklılık gösterdiği tespit edilmiştir. Ayrıca ders kitabında metin ile kısmen ilişkili ya da ilişkisiz olan modların bulunduğu, metin içeriğinde öğrencileri modlara yönlendirmek amacıyla kullanılan bağlantı ve ifadelerin yetersiz olduğu tespit edilmiştir. Çalışmada incelenen fen bilimleri ders kitaplarındaki modlarda tasarım hatası, eksiklik ve açık-anlaşılır olmayan kısımlardan dolayı belirsizlikler belirlenmiş ve bunların da öğrencilerde öğrenme güçlüğü oluşturabileceği ifade edilmiştir.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.025 | 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".