MétaCan
Menu
Retour à la cohorte
Enregistrement W2069830456 · doi:10.1080/13586840903557068

Things Fall Apart and Come Together: Using the Visual for Reflection in Alternative Teacher Education Programmes

2010· article· en· W2069830456 sur OpenAlexaffabout
Claudia Mitchell, David Dillon, Teresa Strong‐Wilson, Kathleen Pithouse-Morgan, Faisal Bin Islam, Kevin O’Connor, Christina Rudd, Patricia Staniforth, Amy Cole

Notice bibliographique

RevueChanging English · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueParticipatory Visual Research Methods
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésExhibitionService (business)Teacher educationReflection (computer programming)PedagogySociologyRelation (database)Citizen journalismProfessional developmentVisual artsPolitical scienceComputer scienceArt

Résumé

récupéré en direct d'OpenAlex

In this article, we focus on the use of the visual for reflection in ‘alternative’ pre‐service teacher education and, in particular, we address the question: How and what can we learn about teacher education using the visual? By way of illustration, we focus on the use of pre‐service teachers’ photographs in a public exhibition, participatory video documentary production and pre‐service teachers’ use of photographs in their professional teaching portfolios. The article draws from research done in relation to three alternative pre‐service teacher education projects based at McGill University in Canada and the University of KwaZulu‐Natal in South Africa.

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)0,015
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,015
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,026
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0060,020
Communication savante0,0080,008
Science ouverte0,0020,012
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,326
Tête enseignante GPT0,596
Écart entre enseignants0,270 · 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.

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
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChanging EnglishMême sujetParticipatory Visual Research MethodsTravaux en français237 207