MétaCan
Menu
Retour à la cohorte
Enregistrement W2076381613 · doi:10.12735/ier.v2i4p01

Bringing Evidence to the Classroom: Exploring Educator Notions of Evidence and Preferences for Practice Change

2014· article· en· W2076381613 sur OpenAlexaffvenue
Melanie Barwick, Raluca Barac, Lindsay M. Akrong, Sabine Johnson, Peter Chaban

Notice bibliographique

RevueInternational Education Research · 2014
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEducational Assessment and Improvement
Établissements canadiensHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésPsychologyEvidence-based practicePedagogyMedicineAlternative medicine

Résumé

récupéré en direct d'OpenAlex

Successful implementation of evidence-based practices (EBPs) in schools requires an understanding of the factors influencing implementation and adoption. We conducted eight focus groups with school administrators and teachers to explore their views about EBP and the factors influencing EBP use within the school context. Educators believed EBP to mean one of three things: information that is supported by research evidence, by evidence of student performance, or evidence-by-proxy. We identified several factors influencing educator use of EBPs and intention to change practice: a school culture of openness and buy-in for EBP, relevance of EBP to student needs universally, and organizational support for implementation, were catalysts for motivating educators to change their practice. Understanding the practice change preferences of educators is important for effective EBP implementation in schools. Educators have a unique perspective of what constitutes EBP, and they can identify what they need in order to change practice.

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)0,012
score de la tête « metaresearch » (Gemma)0,085
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,816
Score d'incertitude au seuil0,922

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,085
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0010,000
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 Opus0,894
Tête enseignante GPT0,664
Écart entre enseignants0,230 · 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.

Devis d'étudeAutre devis
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

Citations17
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Education ResearchMême sujetEducational Assessment and ImprovementTravaux en français237 207