Cesta, robotki in ti: Promet skozi programiranje v 2. razredu osnovne šole
Bibliographic record
Abstract
Prispevek predstavlja nabor dejavnosti za uvajanje temeljnih vsebin računalništva in informatike (RIN) v 2. razredu, s poudarkom na področju algoritmov in programiranja. Temeljni cilj dejavnosti je spodbujanje medpredmetnega povezovanja, razvoja algoritmičnega mišljenja in praktičnih veščin programiranja z uporabo robotike v povezavi s prometnimi vsebinami. Dejavnosti so zasnovane na predhodnem znanju učencev iz predmetov spoznavanje okolja (promet in orientacija v prostoru), matematike (osnovni pojmi prostorske orientacije) in slovenskega jezika (sestavljanje povedi in pravopisna pravila). Učenci se preko več etap naučijo uporabljati talno mrežo za orientacijo, sestavljati zaporedja ukazov, reševati naloge za prepoznavanje in sestavljanje besed ter programirati poti KUBO robotka. Svoje znanje tekom dejavnosti preverjajo z reševanjem nalog, samovrednotenjem in s povratno informacijo učitelja. Dejavnosti se zaključijo z obiskom lokalnega vulkanizerja, kjer učenci opazujejo uporabo robotske roke in pridobljeno znanje povežejo z vsakdanjim življenjem. Prispevek izpostavlja pomembnost inovativnih in interdisciplinarnih pristopov k poučevanju, ki spodbujajo aktivno učenje in sodelovanje ter povezovanje znanja s primeri iz vsakdanjega življenja. Predvideni rezultati vključujejo utrjevanje prometnih pravil, usvojitev osnov algoritmičnega mišljenja in programiranja ter izboljšanje jezikovnih in matematičnih kompetenc. Prispevek je doprinos k razvoju sodobnih pedagoških pristopov za zgodnje uvajanje temeljnih vsebin računalništva in informatike v prvo triletje osnovnošolskega izobraževalnega programa in je namenjen učiteljem, ki poučujejo v prvem triletju.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.061 | 0.020 |
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".