Linking Competence to Opportunities to Learn: Models of Competence and Data Mining

جنبش جهانی کنونی به سمت آموزش علوم مبتنی بر استانداردها بر این باور استوار است که هر دانش آموزی، صرف نظر از اینکه چقدر متفاوت است، می تواند و باید به سطحی از صلاحیت برسد. با این حال، تفاوت هایی در شرایط بین دانش آموزان وجود دارد که خارج از کنترل آنهاست، مانند منابع و شیوه های کلاس، مدرسه و خانواده. بنابراین، شناسایی منابع و شیوه های خاصی که به طور قابل توجهی سطوح پیشرفت دانش آموزان را پیش بینی می کنند، مهم تر از همیشه است تا بتوان راهبردهایی را برای کمک به دانش آموزان در دستیابی به شایستگی توسعه داد.

این کتاب. روش‌شناسی داده‌کاوی را برای مسئله استانداردسازی دستاوردها در آموزش علوم اعمال می‌کند و چارچوب‌های شایستگی را در مدل «فرصت برای یادگیری» (OTL) آموزش علمی توسعه می‌دهد. هدف اصلی آن محققان آموزش علوم است، اما همچنین می تواند به عنوان مرجع توسط آژانس های آموزشی ملی و دولتی که ملزم به تصمیم گیری در مورد استانداردهای برنامه درسی علوم و تخصیص منابع هستند، استفاده شود. پرسنل ناحیه مدرسه نیز آن را در توسعه حرفه ای معلمان مفید می دانند.

فرصت یادگیری (OTL) به حق هر دانش آموز برای دریافت کلاس، مدرسه و مدرسه اشاره دارد. منابع و شیوه های خانواده برای رسیدن به شایستگی مورد انتظار. این کتاب با توسعه مدل‌هایی که نشان می‌دهد شرایط کلاس، مدرسه و خانواده با پیشرفت دانش‌آموزان ارتباط دارد، OTL را کمی و نظام‌مند می‌کند. لیو همچنین از تکنیک های داده کاوی برای این مدل ها استفاده کرده است. علاوه بر این، متن سیاست و همچنین پیامدهای آموزشی برای اصلاح آموزش علوم مبتنی بر استانداردها را تحلیل می‌کند.

The current world-wide movement toward standards-based science education is based on a belief that every student, no matter how different he/she is, can and should reach a prescribed level of competence. Yet there are differences in circumstances between students that lie beyond their control, such as classroom, school and family resources and practices. Thus it is more important than ever to identify the particular resources and practices that significantly predict students’ levels of achievement so that strategies can be developed to help students reach competence.

This book applies data mining methodology to the issue of standardizing achievement in science education and develops frameworks of competence in the ‘Opportunity-to-learn’ (OTL) model of science education. It is aimed primarily at science education researchers, but can also be used as a reference by national and state education agencies who are required to make decisions about science curriculum standards and resource allocation. School district personnel will also find it useful in teacher professional development.

Opportunity-to-learn (OTL) refers to the entitlement of every student to receive the necessary classroom, school and family resources and practices to reach the expected competence. This book quantifies and stystematizes OTL by developing models showing how the circumstances of classroom, school and family relate to students’ achievement. Liu has also applied data mining techniques to these models. In addition, the text analyzes policy as well as pedagogical implications for standards-based science education reform.