Analyzing Educational Policies: A Learning Design Perspective
Notice bibliographique
Résumé
In this article we describe and illustrate an analytical perspective in which educational policies are viewed as designs for supporting learning. From the learning design perspective, a policy comprises 3 components that we term the what, how, and why of policy: the goals for the learning of members of the group targeted by the policy, the supports for their learning, and an often implicit rationale for why these supports might be effective. We unpack the how of policy by describing 4 types of support for learning: new positions, learning events, new organizational routines, and new tools. Based on our discussion of the rationale for each type of support we conjecture that policies that are effective in supporting consequential professional learning will involve some combination of new positions that provide expert guidance, ongoing intentional learning events in which tools are used to bridge to practice, carefully designed organizational routines carried out with a more knowledgeable other, and the use of new tools whose incorporation into practice is supported. We present an analysis of a policy that was central to an urban district's efforts to support middle school mathematics teachers' development of ambitious instructional practices. The data that we analyzed included audio-recorded interviews conducted with teachers, mathematics coaches, school leaders, and district leaders. The sample analysis illustrates that the learning design perspective is useful both when designing policies and when revising policies after implementation to make them more effective.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,076 | 0,097 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,025 |
| Communication savante | 0,020 | 0,020 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».