MétaCan
Menu
Retour à la cohorte
Enregistrement W2179300592 · doi:10.5539/elt.v8n12p170

Developing and Validating a Survey of Korean Early Childhood English Teachers’ Knowledge

2015· article· en· W2179300592 sur OpenAlexvenueno aff
Jung In Kim

Notice bibliographique

RevueEnglish Language Teaching · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Research and Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyCronbach's alphaContext (archaeology)Mathematics educationEarly childhood educationCurriculumEarly childhoodKnowledge levelTeacher educationPedagogyDevelopmental psychologyPsychometrics

Résumé

récupéré en direct d'OpenAlex

The main purpose of this study is to develop and validate a valid measure of the early childhood (EC) English teacher knowledge. Through extensive literature review on second/foreign language (L2/FL) teacher knowledge, early childhood teacher knowledge and early childhood language teacher knowledge, and semi-structured interviews from current early childhood English teacher, the initial survey questionnaire was developed. Then, think-aloud interviews were conducted with samples from four groups with different teaching experience as they took the survey to see whether or not they understood the survey questions and whether or not the survey questions/statements represented their professional knowledge accurately. Lastly, a finalized survey was distributed to 40 current early childhood English teachers (K-2) in Korea. The theoretical framework of teacher knowledge was drawn upon Grossman’s (1999) “model of teacher knowledge” such as subject matter knowledge, general pedagogical knowledge, pedagogical content knowledge and knowledge of context. The data were analyzed by using descriptive statistics, Cronbach-alpha, and split-half. The findings will show subcomponent of teacher knowledge, characteristics of the participants and survey items’ reliability. The implications of analyzing teacher knowledge survey to gain insight into developing curriculum in early childhood English teacher education.

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)0,010
score de la tête « metaresearch » (Gemma)0,014
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,063
Tête enseignante GPT0,351
Écart entre enseignants0,288 · 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

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetEducational Research and PedagogyTravaux en français237 207