Professional Learning in a Digital Age / L’apprentissage professionnel à l’ère numérique
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
While professional development (PD) has always been central to the teaching profession, increasingly traditional models of PD are out of step with contemporary ways of learning. Commiserate with the literature, we see the field moving along a continuum which reflects changes in what, how and when teachers learn. Following a brief sketch of the online teacher professional development (oTPD) field, we identify important considerations of emerging models of technology-mediated professional learning (TMPL). We posit the catalyst for the transformation of education, as envisioned by countless educational leaders, may lie in reimaging professional development as professional learning in a networked age. Alors que le perfectionnement professionnel (« PP ») a toujours été au cœur de la profession d’enseignant, les modèles traditionnels de PP sont de plus en plus décalés par rapport aux méthodes contemporaines d’apprentissage. Nous voyons ce domaine progresser dans un continuum qui reflète les changements dans ce que les enseignants apprennent, dans la façon et le moment où ils l’apprennent, et cette progression correspond à la littérature. Après un survol du domaine du perfectionnement professionnel en ligne pour les enseignants, nous cernons des considérations importantes sur les modèles émergents de la formation professionnelle assistée par ordinateur. Nous postulons que le catalyseur de la transformation de l’éducation, comme conçue par d’innombrables chefs de file de la pédagogie, pourrait être de ré-imaginer le perfectionnement professionnel comme une formation professionnelle à l’ère des réseaux.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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