MétaCan
Menu
Retour à la cohorte
Enregistrement W1692763186 · doi:10.14221/ajte.2015v40n5.3

Inquiring into Pre-service Content Area Teachers’ Development of Literacy Practices and Pedagogical Content Knowledge

2015· article· en· W1692763186 sur OpenAlexaff
Jennifer Mitton Kükner, Anne Murray Orr

Notice bibliographique

Revue˜The œAustralian journal of teacher education · 2015
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLiteracy, Media, and Education
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesnon disponible
Mots-clésLiteracyPedagogyContent analysisTeacher educationPre-service teacher educationMathematics educationPsychologySociologySocial science

Résumé

récupéré en direct d'OpenAlex

The focus of this qualitative multi-year case study is on pre-service teachers’ experiences related to the development of their literacy practices in teaching high school science, math, social studies and other content area courses during their final field placement in a teacher education program. Results indicate tangible indicators of overall growth in participants’ developing pedagogical content knowledge as well differences in the depth of their learning. All participants willingly supported the idea of integrating literacy in content area courses, but their successes were somewhat uneven, and reflective of their evolving pedagogical content knowledge, as they attempted to make literacy practices a regular part of their teaching practices. Our findings should be of interest to teacher education programs and school districts in supporting pre-service and beginning teachers as they develop their practices as teachers of literacy in content areas.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,235
Score d'incertitude au seuil0,465

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,452
Tête enseignante GPT0,417
Écart entre enseignants0,035 · 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'étudeQualitatif
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

Citations13
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue˜The œAustralian journal of teacher educationMême sujetLiteracy, Media, and EducationTravaux en français237 207