MétaCan
Menu
Retour à la cohorte
Enregistrement W2150370757 · doi:10.3102/0013189x09332373

The ISI Classroom Observation System: Examining the Literacy Instruction Provided to Individual Students

2009· article· en· W2150370757 sur OpenAlexaff
Carol McDonald Connor, Frederick J. Morrison, Barry Fishman, Claire Cameron Ponitz, Stephanie Glasney, Phyllis Underwood, Shayne B. Piasta, Elizabeth Coyne Crowe, Christopher Schatschneider

Notice bibliographique

RevueEducational Researcher · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEarly Childhood Education and Development
Établissements canadiensEducation and Early Childhood Development
Organismes subventionnairesnon disponible
Mots-clésConceptualizationPsychologyMathematics educationLiteracyCoding (social sciences)Context (archaeology)Teaching methodLearning environmentClassroom managementAcademic achievementPedagogyComputer science

Résumé

récupéré en direct d'OpenAlex

The Individualizing Student Instruction (ISI) classroom observation and coding system is designed to provide a detailed picture of the classroom environment at the level of the individual student. Using a multidimensional conceptualization of the classroom environment, foundational elements (teacher warmth and responsiveness to students, classroom management) and instructional elements (teacher-child interactions, context, and content) are described. The authors have used the ISI system to document that children who share the same classroom have very different learning opportunities, that instruction occurs through interactions among teachers and students, and that the effect of this instruction depends on children’s language and literacy skills. This means that what is effective for one child may be ineffective for another with different skills. With improving classroom observation systems, the dynamics of the complex classroom environment as it affects student learning can be better understood.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,101
Tête enseignante GPT0,428
Écart entre enseignants0,327 · 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'étudeObservationnel
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

Citations165
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducational ResearcherMême sujetEarly Childhood Education and DevelopmentTravaux en français237 207