|
사회학습이론
1) 행동의 잠재강도
2) 기대
3) 강화가치
3. 반두라의 사회학습이론
1) 관찰학습의 종류
2) 관찰학습의 과정
3) 상호결정론
4) 행동의 자기규제
4. 교육에 주는 시사점
Ⅲ. 결 론
※ 참
|
|
|
학습의 전형
Ⅱ. 상호결정론
Ⅲ. 사회화 연구
1. 공격성
2. 성역할
3. 친사회적 행동
4. 시범과 설교
5. 자기조절
Ⅳ. 자기효율성
1. 성공경험
2. 대리적 경험
3. 언어적 설득
4. 생리적 상태
Ⅴ. 이론의 시사점
Ⅵ. 결론
|
|
|
교육과학사.
김영채, 1994, 학습심리학 입문, 양영각
변창진, 김경린, 1997, 사회적 학습이론, 중앙적성출판부
이충원, 1999, 교육심리, 학문사.
임창재, 2002, 교육심리학, 학지사 Ⅰ. 서론
Ⅱ. 본론
1. 사회학습이론
1) 개념
2) 기본원리
|
|
|
교육 심리학』 서울: 학지사, 2001
여광응 조인수 문태형 공저, 『교육심리학의 이해』 경산: 대구대학교 출판부, 2001
김아영 외 3인 공역, 『교육심리학』, 서울: 박학사, 2003 1) 사회학습이론
2) 관찰학습에 대한 밀러와 돌라드의 설명
a.
|
|
|
-
Ⅰ. 서 론
Ⅱ. 본 론
1. 사회학습이론의 개념
2. 사회학습이론의 원리
3. Bandura의 사회학습이론
(1) 관찰학습
(2) 사회화연구
4. Bandura 연구에 대한 평가
5. 사회학습이론의 실제적 시사점
6. 교수를 위한 제안
Ⅲ. 결 론
|
|
 |
이론
1) 제1단계 : 도덕적 사실주의 (2∼7세)
2) 제2단계 : 도덕적 동등성(7∼11세)
3) 제3단계 : 도덕적 자율성(11∼15세)
(5) 피아제 이론의 교육적 시사점 및 평가
2. 비고츠키의 인지발달이론
(1) 비고츠키의 생
|
|
|
학습주의\'로 전환시켜야 한다. 이론적 지식 중심의 교육이 아닌 학생들이 주체적으로 학습할 수 있는 환경을 조성해야 할 것이다. 둘째, 교육에 대한 투자를 통해 국가 경쟁력을 높여야 한다. 초고속으로 변화하고 있는 세계 사회에서는 지식
|
|
|
이론에 관한 일반적 고찰
3. 1 스키너의 교육사상의 배경
3. 2 스키너(Skinner)의 조작적 조건형성
3. 3 Skinner의 조작적 수업이론
3. 4 스키너의 학습이론이 아동교육에 주는 의미
Ⅳ. 피아제와 스키너의 아동발달에 대한 견해 및 시사점
4.
|
|
|
학습자들을 평가할 수 있게 될 것이다.
여러 줄 세우기를 표방하고는 있으나 현실적으로는 한 줄 세우기 교육이 계속되고 있는 우리나라의 교육현실에 Gardner의 다중지능이론이 주는 시사점은 매우 크다. 다중지능이론의 교육적 시사점을 바
|
|
|
교육을 위한 협동학습의 이론과 실제』, 서울: 형설출판사
김대현허승희황희숙김광휘이영만(1998), 『열린수업의 이론과 실제』, 서울: 학지사
Ⅱ. 논문
김수동(1999),「직소(Jigsaw) 학습방법의 탐색 : 이론과 교육적 적용」
손병노(1996),「사회과
|
|
 |
이야기는... 212
다. 나의 주장에 힘을 실어주는 근거, ‘학습 경험’ 213
라. 면접을 보는 교수님이나 전공 교수님 생각의 중요성 213
? 출제빈도 높은 논술주제 키워드 216
? 바이오소재학의 연구방법론과 주요 단답 문제 225
? 바이오소재
|
|
 |
대해 말하라. (전경욱)
2. 2009년 개정 교육과정의 특징 2가지는 무엇인가? (노명완)
3. 설화와 소설은 나누는 기준은 무엇인가? (전경욱)
4. 신라시대 작품과 작가의 이름을 들어라. (전경욱)
(중략)
11 전기
1. 경기체가에 대해 설명하라.
2. 2
|
|
 |
교육목표/교육철학 159
나. 기본이 중요한 이유 161
다. 제가 듣고 싶은 이야기는... 162
라. 나의 주장에 힘을 실어주는 근거, ‘경험’ 163
? 오버스펙 꺼린다 164
? 환경조경 개발과 도시환경 구성의 방향과 목표 165
? 도시계획전공의 다양한
|
|
 |
교육학 어학능력 검증하는 영어면접문제 100개 101
? 전공 면접 최빈도 출제 학술영어용어 검증문제 100개 110
? 영어교육학 연구를 위한 주요 논문주제 연구과제 100개 116
? 영어교육학 유명학자 학술이론 지식설명 1500단어 121
1. William Shakespeare
|
|
 |
이론과 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
?
|
|
메뉴펼치기
