Policy Window or Hazy Dream? Policy and Practice Innovations for Creating Effective Learning Environments in Rural Schools.
Notice bibliographique
Résumé
Rural communities that envision a bright future for themselves and their children have become innovative out of necessity—they learn, and adapt, in order to flourish and to provide opportunities for their children. As the formal centers of learning, and often as the largest employer in the community, rural schools become the heart and symbol of learning and community identity. Unfortunately, their policy and legislative environments often lead to tensions between rural priorities/lifestyles and urbanizing/essentializing agendas which impact upon the quality of schooling they wish, or are able, to provide. This tension was the focus of a study on rural educational priorities and school division capacity, based on a provincial survey and four case studies of rural school divisions representing four educational regions in the province of Manitoba. Findings suggest that three educational priorities remain central to the creation of high quality learning environments in rural schools: Improving Student Outcomes, Quality of Teachers and Administrators, and Educational Finance. This paper elaborates on the challenges facing rural school divisions for these issues, and discusses some of the ways in which four Manitoba school divisions, the Manitoba Association of School Superintendents (MASS), the Manitoba Association of School Trustees (MAST), and Manitoba Education, Citizenship and Youth (MECY) are working to address these difficulties in what has become a policy window (Kingdon, 1995) for rural education in Manitoba.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,027 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,021 |
| Communication savante | 0,014 | 0,008 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,011 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».