|
수업 후
교사의 수업 전개에 대한 반성, 개선점 찾기(발문 중심)
과제 학습 지도 및 처리
4. 평가
개념을 이해하는 과정의 언어 사용 능력의 평가
Ⅷ. 개념분석수업모형(개념분석학습)의 전략
① 학생들에게 가르치고자 하는 개념을 상세하
|
|
|
학습방법
1. 통합적인 지도가 되어야 한다
2. 탐구식 토의 기법을 적극 활용해야 한다
1) 학생들의 자발적이고 활발한 토의나 탐구를 불러일으킬 수 있는 ‘주제’의 선정이다
2) 적절한 도덕적 토의의 과정을 안내하는 수업 모형의 활용이
|
|
|
1) 부모의 영향
2) 또래의 영향
3) 학교의 영향
4) 대중매체의 영향
Ⅲ. 유아기의 도덕성발달을 위한 지도원리 및 활동
1. 도덕성 발달교육의 필요성
2. 도덕성발달을 위한 지도원리 및 활동
Ⅳ. 결론
<참고문헌>
|
|
|
친사회적 도덕성발달
4. 도덕성발달에 영향을 주는 요소
Ⅲ. 유아기의 도덕성발달을 위한 지도원리 및 활동
1. 도덕성 발달교육의 필요성
2. 도덕성발달을 위한 지도원리 및 활동
Ⅳ. 결 론
Ⅴ. 참고문헌
|
|
|
학습의 능동성과 수동성의 원리
4. 신선함과 \"아하\" 경험의 원리
5. 탐구 과정으로서의 발견 활동 원리
Ⅵ. 브루너 발견수업(발견학습모형)의 모형
1. 탐색 및 문제파악
2. 규칙성 발견 및 개념 정리
3. 적용 및 응용
Ⅶ. 브루너 발견수업
|
|
 |
모형의 효과를 전통적인 게임수업 모형인 기능중심 게임수업 모형의 학습지도안 비교분석을 통해 알아보는 데 목적이 있다. 본 연구에서는 목적을 효과적으로 달성하기 위해 영역 침범형 게임(Invasion Games) 유형의 농구 수업과 네트형 게임(Net
|
|
|
개념과 자유작업의 원리. 서울: 중앙적성출판사, 1996.
한국교육개발원. "국민학교 교수-학습 공간 재편성 모형개발." 연구보고 RR 95-9 (1995. 12).
한국교육개발원. "열린교육 현장연구." 연구보고 RR 96-10 (1996. 12).
Conley Davide T. Roadmap to Restructuring. ER
|
|
|
학습의 이론적 토대
1) 협동학습의 등장
2) 협동학습의 특징
3) 협동학습의 효과
2. 사회과교육과 협동학습
1) 사회과의 특성과 협동학습
2) 사회과 협동학습의 유형
3. Jigsaw모형의 이론적 토대
Ⅲ. Jigsaw모형을 적용한 수업지도안
|
|
|
학습 전략
Ⅵ 결론 및 제언
참고문헌
표 목 차
<표 Ⅱ-1> 협동학습의 4가지 이론
<표 Ⅱ-2> 열린교육과 협동학습의 차이점
<표 Ⅱ-3> 협동학습과 전통 조별학습의 차이점
<표 Ⅱ-4> JigsawⅢ 모형에 의한 수업절차
<표
|
|
|
모형을 도입한 동기 유발
3) 사진을 도입한 동기 유발
4) ICT를 도입한 동기 유발
Ⅳ. 중국어 수업에 알맞은 매체 및 학습 자료
1. 학습 자료의 개념 및 기능
2. 학습 자료 제작에 있어서 고려해야 할 요소
1) 학생 특성
2) 교사의 자료
|
|
 |
모형에는 위의 그림과 같이 BSC의 네 가지 관점 외에 인적자원 초점이 포함되어 있다.
스칸디아의 성과지표인 다섯 가지 관점(학습 및 발전 초점, 프로세스 초점, 고객 초점, 인적자원 초점, 재무적 초점)은 지적 자본과 동일한 개념이라 할 수
|
|
 |
개념: 129
회귀 분석 및 모델링: 129
가설 검정과 추론: 130
데이터 분석 및 시각화: 130
빅데이터와 기계 학습: 131
실험 계획법 132
비모수 통계 132
빅데이터와 머신러닝 133
데이터 분석 도구와 소프트웨어 133
? 통계분석 도구 소프트웨어에
|
|
 |
분석 학술이론에 대한 지식검증 기출문제 122
가. 기초 이론과 개념: 124
나. 회귀 분석 및 모델링: 124
다. 가설 검정과 추론: 125
라. 데이터 분석 및 시각화: 126
마. 빅데이터와 기계 학습: 126
바. 실험 계획법 127
사. 비모수 통계 127
아. 빅데
|
|
 |
필요성을 절감하게 되었습니다.
학업 면에서도 꾸준히 우수한 성적을 유지하였으며, 통계 및 데이터 분석에도 흥미를 느껴 Python을 활용한 기초 통계 분석, 시각화 프로그램을 학습하여 수업 및 평가 자료 설계에 접목하고자 하는 시도를 해보
|
|
 |
개념: 82
자. 회귀 분석 및 모델링: 83
차. 가설 검정과 추론: 83
카. 데이터 분석 및 시각화: 84
타. 빅데이터와 기계 학습: 84
파. 실험 계획법 85
하. 비모수 통계 85
거. 빅데이터와 머신러닝 86
너. 데이터 분석 도구와 소프트웨어 86
? 통계분
|
|
메뉴펼치기
