MétaCan
Menu
Retour à la cohorte
Enregistrement W1826280785 · doi:10.55016/ojs/ajer.v58i3.55626

An Exploration of the Utility of a Knowledge Utilization Framework to Study the Gap Between Reading Disabilities Research and Practice

2012· article· en· W1826280785 sur OpenAlexaffvenue
Katherine Davidson, Elizabeth Nowicki

Notice bibliographique

RevueAlberta Journal of Educational Research · 2012
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésReading (process)Context (archaeology)PsychologyQualitative researchSemi-structured interviewKnowledge levelMultimethodologyEducational researchMathematics educationMedical educationPedagogyKnowledge managementComputer scienceSociologyMedicine

Résumé

récupéré en direct d'OpenAlex

This pre-pilot study explored the usefulness of a knowledge utilization framework comprised of Knott and Wildavsky’s (1980) seven stages of knowledge use and Stone’s (2002) three routes to knowledge use to investigate the gap between reading disabilities research and teachers’ self-reported use of that research. Semi-structured interviews of ten elementary school teachers were undertaken. A qualitative analysis of the interview data indicated that the framework was effective for categorizing and interpreting the interview responses. Findings indicated that a divide between research and reported practice potentially begins with an inadequate reception of research, and that a divide is exacerbated by limited reading and implementation of research knowledge by teachers. The knowledge utilization framework also assisted in identifying obstacles to teachers’ reported use of research. These obstacles were successfully categorized according to the variables of supply, demand, and context. The combined framework of knowledge utilization has potential for studying the use of research by teachers.

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)0,065
score de la tête « metaresearch » (Gemma)0,066
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,935
Score d'incertitude au seuil0,341

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0650,066
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0160,008
Études des sciences et des technologies0,0070,010
Communication savante0,0100,013
Science ouverte0,0030,010
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,553
Tête enseignante GPT0,593
Écart entre enseignants0,041 · 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.

Devis d'étudeQualitatif
DomaineMéthodes
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

Citations8
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAlberta Journal of Educational ResearchMême sujetReading and Literacy DevelopmentTravaux en français237 207