MétaCan
Menu
Retour à la cohorte
Enregistrement W113742831 · doi:10.1007/978-1-4020-3803-7_22

Virtual Communities of Practice

2007· book-chapter· en· W113742831 sur OpenAlexaff
Kathryn Hibbert

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueInnovative Education and Learning Practices
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésTrainerProfessional developmentPedagogyReductionismTeacher educationPsychologyMathematics educationComputer scienceEpistemology

Résumé

récupéré en direct d'OpenAlex

There is an increased interest in the use of virtual technology and distance courses in professional education. Teacher education is no exception, particularly with pressures to maintain professional standards. The problem of course is that the conception of what it is to be a professional teacher influences the development of such courses and programs. If teacher is characterized as discerner, with the ability to “transform understanding, performance skills, or desired attitudes or values into pedagogical representations and actions” (Shulman, 1987: 4) then teacher knowledge (of content, students, and pedagogy) is of paramount importance. If however, teacher is characterized as disseminator, charged simply with carrying out the dictates of others, then complex forms of knowledge are not essential. The former implies a need for professional development that informs, enriches and extends teacher knowledge. The latter suggests that training in new materials is sufficient. Current curricular conditions and a plethora of supplemental teacherproof materials would seem to support a non-professional characterization of teacher as disseminator. Such a reductionist view of the teacher has led to a model of ‘professional development’ commonly referred to as train-the trainer. The model provides systematic training in recently released documents, programs or materials to a target group of people. In pyramid formation, the newly ‘trained’ would then re-inscribe large groups in exactly the same fashion.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,192

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,003
Communication savante0,0100,010
Science ouverte0,0020,010
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0570,011

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,180
Tête enseignante GPT0,452
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInnovative Education and Learning PracticesTravaux en français237 207