MARC

 008250123s2024        us                              c    eng  d
■001000017160949
■00520250211151140
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384137573
■035    ▼a(MiAaPQ)AAI31149312
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a507
■1001  ▼aMaestrales,  Sarah.▼0(orcid)0000-0003-1553-2774
■24510▼aProject-Based  Science  Learning  Facilitated  Through  Technology
■260    ▼a[Sl]▼bMichigan  State  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a155  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-03,  Section:  B.
■500    ▼aAdvisor:  Frank,  Kenneth;Schneider,  Barbara  L.
■5021  ▼aThesis  (Ph.D.)--Michigan  State  University,  2024.
■520    ▼aThis  dissertation  focuses  on  three  manuscripts  all  related  to  bolstering  science  achievement  through  recommendations  from  the  National  Research  Council  (NRC)  regarding  the  teaching  and  learning  of  science.  The  manuscripts  address  meeting  the  NRC's  call  to  incorporate  curriculum  and  assessment  that  lead  to  more  in-depth  knowledge  that  can  be  transferred  across  domains,  and  the  use  of  technology  to  facilitate  teaching  and  learning.  The  first  manuscript,  "Improving  Science  Achievement  -  Is  It  Possible?  Evaluating  the  Efficacy  of  a  High  School  Chemistry  and  Physics  Project-Based  Learning  Intervention,"  describes  the  process  of  developing  intensive  project-based  curriculum  and  assessment  materials  for  high  school  chemistry  and  physics  classrooms.  This  study  answers  the  question  of  what  impact  that  curriculum  has  on  students'  future  science  achievement  and  academic  ambition.  The  second  manuscript,  "Using  Machine  Learning  to  Score  Multi-Dimensional  Assessments  of  Chemistry  and  Physics,"  focuses  on  the  use  of  a  supervised  machine  learning  approach  to  facilitate  the  scoring  of  science  assessments.  The  goal  of  this  study  was  to  determine  whether  automating  the  process  of  classifying  these  responses  could  reduce  the  burden  placed  on  teachers  in  scoring  assessments  that  effectively  measure  the  dimensions  of  learning  spelled  out  by  the  NRC.  The  third  study,  "U.S.  and  Finnish  high  school  engagement  during  the  Covid-19  Pandemic,"  then  explores  student  engagement  with  the  use  of  technologies  that  facilitate  remote  instruction.
■590    ▼aSchool  code:  0128.
■650  4▼aScience  education
■650  4▼aEducational  technology
■650  4▼aCurriculum  development
■653    ▼aAcademic  ambition
■653    ▼aAutomated  scoring
■653    ▼aStudent  engagement
■653    ▼aProject-based  learning
■653    ▼aRemote  teaching
■690    ▼a0714
■690    ▼a0800
■690    ▼a0710
■690    ▼a0727
■71020▼aMichigan  State  University▼bMeasurement  and  Quantitative  Methods  -  Doctor  of  Philosophy.
■7730  ▼tDissertations  Abstracts  International▼g86-03B.
■790    ▼a0128
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17160949▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books