Learning to teach science in urban schools
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Teaching in urban schools, with their problems of violence, lack of resources, and inadequate funding, is difficult. It is even more difficult to learn to teach in urban schools. Yet learning in those locations where one will subsequently be working has been shown to be the best preparation for teaching. In this article we propose coteaching as a viable model for teacher preparation and the professional development of urban science teachers. Coteaching—working at the elbow of someone else—allows new teachers to experience appropriate and timely action by providing them with shared experiences that become the topic of their professional conversations with other coteachers (including peers, the cooperating teacher, university supervisors, and high school students). This article also includes an ethnography describing the experiences of a new teacher who had been assigned to an urban high school as field experience, during which she enacted a curriculum that was culturally relevant to her African American students, acknowledged their minority status with respect to science, and enabled them to pursue the school district standards. Even though coteaching enables learning to teach and curricula reform, we raise doubts about whether our approaches to teacher education and enacting science curricula are hegemonic and oppressive to the students we seek to emancipate through education. © 2001 John Wiley & Sons, Inc. J Res Sci Teach 38: 941–964, 2001
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,171 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,006 | 0,014 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle