Developing open education literacies with practicing K-12 teachers
Notice bibliographique
Résumé
<p>This study seeks to understand how to use formal learning activities to effectively support the development of open education literacies among K-12 teachers. Considering pre- and post-surveys from K-12 teachers (n = 80) who participated in a three-day institute, this study considers whether participants entered institutes with false confidence or misconceptions related to open education, whether participant knowledge grew as a result of participation, whether takeaways matched expectations, whether time teaching (i.e., teacher veterancy) impacted participant data, and what specific evaluation items influenced participants’ overall evaluations of the institutes. Results indicated that 1) participants entered the institutes with misconceptions or false confidence in several areas (e.g., copyright, fair use), 2) the institute was effective for helping to improve participant knowledge in open education areas, 3) takeaways did not match expectations, 4) time teaching did not influence participant evaluations, expectations, or knowledge, and 5) three specific evaluation items significantly influenced overall evaluations of the institute: learning activities, instructor, and website / online resources. Researchers conclude that this type of approach is valuable for improving K-12 teacher open education literacies, that various misconceptions must be overcome to support large-scale development of open education literacies in K-12, and that open education advocates should recognize that all teachers, irrespective of time teaching, want to innovate, utilize open resources, and share in an open manner.</p>
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 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 | 0,009 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».