A systematic review of instructional interventions to improve school completion: mapping the evidence
Notice bibliographique
Résumé
This review of research on dropout prevention programs in Canada between 1990 and 2006 was conducted with the goal of increasing awareness and knowledge of (a) current research on high school dropout prevention and intervention in Canada; (b) instructional design and implementation of successful programs; (c) context-related factors that moderate program effectiveness and (d) selecting and/or designing programs that take into consideration current research evidence. The identification of studies to be used in this review was conducted through a comprehensive search of publicly available literature (i.e., research databases, contacting researchers and program administrators, contacting local and provincial education agencies, etc.). Of the 240 documents retrieved 38 met all of the inclusion criteria. An additional 30 studies from outside of Canada were also analyzed. Underreporting and missing data presented significant challenges in terms of analyzing instructional practices and impacts. Results showed that the most frequent type of dropout prevention programs were pull-out support, specialized courses and workshops or alternative schools. Most programs incorporated multiple forms of support (i.e., combinations of health services, life-skills, career preparation, academic support, cultural/spiritual enrichment, etc.). Instructional strategies varied across findings with the most common being tutoring, work-based learning and mentoring. Almost three quarters of the findings presented evidence of positive program outcomes with another 13% reporting strong positive program impacts. Future research might focus on linking outcome impacts (e.g., enrolment status/dropout rates) with the program performance context to look beyond ''the learner" as the site of dropout prevention. Application for stakeholders and practitioners includes, among others, recommendations for revisiting existing practices and policies to determine if mainstream classroom practices support the school/work connection and redefining instruction using best-practices in teaching to accommodate self-direction, flexibility in course delivery and responsiveness to the needs of at-risk learners.
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 | 0,021 | 0,104 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,007 |
| Bibliométrie | 0,019 | 0,025 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».