MétaCan
Menu
Retour à la cohorte
Enregistrement W2394497676 · doi:10.29173/cmplct24566

Navigating the Turbulent Waters of School Reform Guided by Complexity Theory

2016· article· en· W2394497676 sur OpenAlexvenueno aff
David G. White, James A. Levin

Notice bibliographique

RevueComplicity An International Journal of Complexity and Education · 2016
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensnon disponible
Organismes subventionnairesAmerican Educational Research Association
Mots-clésComplex adaptive systemMathematics educationAdaptive strategiesContinuationComputer scienceComplex systemManagement sciencePsychologyEconomicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The goal of this research study has been to develop, implement, and evaluate a school reform design experiment at a continuation high school with low-income, low-performing underrepresented minority students. The complexity sciences served as a theoretical framework for this design experiment. Treating an innovative college preparatory program as a nested complex adaptive system within a larger complex adaptive system, the school, we used features of complex adaptive systems (equilibrium, emergence, self-organization, and feedback loops) as a framework to design a strategy for school reform. The goal was to create an environment for change by pulling the school far from equilibrium using a strategy we call “purposeful perturbations” to disrupt the stable state of the school in a purposeful way. Over the four years of the study, several tipping points were reached, and we developed agent-based simulation models that capture important dynamic properties of the reform at these points. The study draws upon complexity theory in multiple ways that have supported improved education for low-achieving students.

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)0,006
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,004
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,228
Tête enseignante GPT0,453
Écart entre enseignants0,225 · 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'étudeThéorique ou conceptuel
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

Citations16
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComplicity An International Journal of Complexity and EducationMême sujetComplex Systems and Decision MakingTravaux en français237 207