ENHANCING COMPUTER SCIENCE TEACHER TRAINING THROUGH STEM AND MACHINE LEARNING

2026

Полный текст Открытый доступ: Gold Метаданные (CSL-JSON)
DOI 10.70286/eoss-15.06.2026.020.503-513
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

The article investigates the theoretical and practical foundations of comprehensively improving computer science teachers' professional training through the integration of STEM education and machine learning (ML). A three-level competency development model is proposed, grounded in the TPACK framework and constructivism theory. A system of five practical task blocks directly mapped to school computer science curricula is described and experimentally validated. The experimental study, conducted at L.N. Gumilyov Eurasian National University over one semester with 80 pre-service teachers, demonstrates statistically significant gains across all measured competency indicators (p < 0.05). The study provides specific, implementation-ready recommendations for integrating STEM-ML modules into teacher education curricula and professional development programs in the Central Asian context.