Disrupting Colonial Mindsets: The Power of Learning Networks
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
If changes that make a difference to Aboriginal learners are to be effected in public schools, then transformational change is required (Menzies, Archibald, & Smith, 2004). How is transformational change best achieved? In this article, I argue, based on a recently completed study (McGregor, 2013) that teacher learning—particularly among non-Aboriginal teachers—is critical to effecting transformation in how teachers think about Aboriginal learners as well as how they plan and deliver fully inclusive learning opportunities. After outlining a theoretical framework for transformation focused on networked, inquiry-based learning and culturally inclusive practices, I explore how one particular teacher-learning network—the Aboriginal Enhancement Schools Network (AESN) in British Columbia, Canada, offers a powerful example of how teacher learning networks can enable deep and transformational change among participating teachers and leaders. I provide exemplary stories of transformation to illustrate the power of this model to effect changes in teacher beliefs and mindsets about Aboriginal learners and culturally inclusive practices. Following this, I identify several key enabling features of the AESN, including socially just, distributed forms of leadership, relational accountability (Wilson, 2008), and affiliative, catalytic models of implementation, a focus on “new, strong and wise ways” (Halbert & Kaser, 2012, p.11) of learning, and provincial and district resources that support network learning activity. The conclusion highlights implications of this study for school jurisdictions and policy makers. Keywords: networked teacher learning; transformational change; socially just leadership
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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