MétaCan
Menu
Retour à la cohorte
Enregistrement W1492112064 · doi:10.22230/ijepl.2010v5n6a198

Teachers, policymakers and project learning: The questionable use of ‘hard’ and ‘soft’ policy instruments to influence the implementation of curriculum reform in Hong Kong

2010· article· en· W1492112064 sur OpenAlexvenueno aff
Ping Kwan Fok, Kerry J. Kennedy, Jacqueline Kin Sang Chan

Notice bibliographique

RevueInternational Journal of Education Policy and Leadership · 2010
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEducational Assessment and Improvement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumGovernment (linguistics)Political scienceSovereigntyPublic administrationPedagogyPublic relationsSociologyPolitics

Résumé

récupéré en direct d'OpenAlex

Following the return of Hong Kong to Chinese sovereignty in 1997, the government of the Hong Kong Special Administrative Region developed wide-ranging curriculum reforms, including project learning. A recent survey has indicated that over 80% of Hong Kong primary and secondary schools have adopted project learning as a curriculum task. Such an outcome is hard to reconcile both with the culture of Hong Kong schools and the generally bleak picture that pervades the literature on educational change. In seeking an explanation for this apparent success we focus attention on the policy instruments that were used by government agencies to facilitate the process of implementation. Our analysis revealed that teachers were caught in a pincer movement that involved voluntary activities promoting project learning and coercive measures that monitored and evaluated successful implementation. Teachers’ views of these policy instruments differed markedly from those of policymakers. This confluence of mixed approaches, while apparently successful, is also shown to be problematic. Finally, the paper is located in a theoretical framework with its origins in recent policy theory that to date has not been applied to educational contexts.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,087
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,140
Tête enseignante GPT0,469
Écart entre enseignants0,329 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations19
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Education Policy and LeadershipMême sujetEducational Assessment and ImprovementTravaux en français237 207