Türkçe öğretmenlerinin fiilimsi grupları konusundaki alan yeterliliklerine ilişkin bazı değerlendirmeler
Bibliographic record
Abstract
Fiilimsiler, kendilerine yeni kelimeler bağlayabilmeleri nedeniyle fiile benzer. Fiilimsilerin bu karakteristik özelliği, öğretim programına da girmiştir. Ortaokul 8. sınıf Türkçe dersi öğretim programında fiilimsilerin bu özelliği vurgulanmıştır. Öğretim sürecinde öğrencilere bazı bilgilerin öğretilebilmesi, öğretmenin bilgisinin yeterliliği ile ilişkilidir. Bu çalışmada Türkçe öğretmenlerinin fiilimsi grupları konusundaki alan bilgisi incelenmiştir. Araştırmaya ortaokullarda görev yapan 103 Türkçe öğretmeni katılmıştır. Çalışmada veri toplamak için araştırmacı tarafından oluşturulan ve uzman görüşünden geçen bir veri toplama formu kullanılmıştır. Çalışmada katılımcı öğretmenlere 7 örnek cümle verilmiş ve bu cümlelerde fiilimsi grubu olup olmadığının açıklanması istenmiştir. Öğretmenler, açıklamalarını formun ilgili bölümüne yazmışlardır. Öğretmenlerin sorular için yazdığı açıklamalar incelenmiş ve bu yolla öğretmenlerin fiilimsi grupları hakkında yeterli bilgiye sahip olup olmadıkları tespit edilmeye çalışılmıştır. Araştırmaya katılan 103 öğretmenden sadece 4’ü, bütün sorular için doğru açıklama yazmıştır. Öğretmenlerin %65’i hiçbir soruya doğru açıklama yazamamıştır. Bu sonuçlar, araştırmaya katılan öğretmenlerin fiilimsi grupları konusundaki alan bilgisi yeterliklerinin düşük olduğunu göstermektedir.
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) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.045 | 0.011 |
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".