Türkiye ve Kanada ilkokul matematik öğretim programlarının program ögeleri bağlamında karşılaştırılması
Bibliographic record
Abstract
Bu araştırmada, Türkiye Millî Eğitim Bakanlığı Talim ve Terbiye Kurulu İlkokul Matematik Öğretim Kanada New Brunswick Eyaleti İlkokul Matematik Öğretim nın program ögeleri bağlamında (amaç, içerik, öğretme-öğrenme süreci ve ölçme değerlendirme durumları) karşılaştırılması, benzerlik ve farklılıkların ortaya konulması amaçlanmıştır.Araştırmada genel tarama modeli kullanılmış, evren ve örneklem seçilmemiştir. Araştırmanın veri kaynaklarını her iki ülkenin matematik öğretim programları, konuyla ilgili kitaplar, tezler, makaleler, dergiler ve yönetmelikler oluşturmaktadır. Veriler doküman analizi yöntemi ile elde edilmiştir. Öğretim programlarının (toplanan verilerin) analizinde betimsel analiz tekniğinden yararlanılmıştır. Çalışma için elde edilen veriler amaçlar doğrultusunda karşılaştırılmalı olarak analiz edilmiştir. Veriler tablolar biçiminde sunularak bulgular karşılaştırmalı olarak yorumlanmış araştırma sonuçları elde edilmiştir. Çalışmanın sonucunda ülkelerin ilkokul matematik dersi öğretim programlarında bazı farklılıklar olduğu belirlenmiştir. Bu farklılıklardan en belirgin olanları; Türkiye İlkokul Matematik Öğretim nın kazanım sayısının Kanada İlkokul Matematik Öğretim nın kazanım sayısından fazla olması; Kanada İlkokul Matematik Öğretim nın öğrencilerin ihtiyaç duydukları bilgiyi buluş yoluyla öğrenmesine ve öğrencinin hayat boyu gelişimine olanak tanıyacak şekilde düzenlenmiş olması; Kanada İlkokul Matematik Öğretim Programının öğretmene öğretme-öğrenme ile ölçme-değerlendirme sürecinde her kazanım için örnek plan, etkinlik ve öneri sunmasıdır. Araştırma sonucuna dayanarak Türkiye ilkokul matematik öğretim programın kazanım sayısının azaltılması, öğretmenler için kılavuz kitap hazırlanması ve öğretmen yeterliliğinin arttırılması önerileri sunulmuştur.
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 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.033 | 0.004 |
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".