MétaCan
Menu
Retour à la cohorte
Enregistrement W2425126919 · doi:10.1017/jse.2015.14

Can Teachers’ Self-Reported Efficacy, Concerns, and Attitudes Toward Inclusion Scores Predict Their Actual Inclusive Classroom Practices?

2015· article· en· W2425126919 sur OpenAlexaffabout
Umesh Sharma, Laura Sokal

Notice bibliographique

RevueAustralasian Journal of Special Education · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTeacher Education and Leadership Studies
Établissements canadiensUniversity of Winnipeg
Organismes subventionnairesnon disponible
Mots-clésInclusion (mineral)PsychologyScale (ratio)Mathematics educationSelf-efficacyPedagogyMedical educationSocial psychologyMedicineGeography

Résumé

récupéré en direct d'OpenAlex

This research was undertaken to determine if significant relationships exist between teachers’ self-reported attitudes, concerns, and efficacy to teach in inclusive classrooms and their actual classroom behaviour in Winnipeg, Canada. Five teachers completed 3 scales measuring their attitudes to inclusion, their level of concerns about teaching in inclusive classrooms, and their level of efficacy for teaching in inclusive classrooms. They were observed using a newly developed scale to measure their inclusive teaching practices. Each teacher was observed from 3 to 5 hours on different occasions. Data were analysed using 1-tailed Spearman correlations. Results indicated that teachers who were highly inclusive in their classroom practices tended to have significantly lower degrees of concerns and positive attitudes to inclusion. Implications of the research for policymakers, future researchers, and teacher educators are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,163
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,140
Tête enseignante GPT0,421
Écart entre enseignants0,281 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations169
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAustralasian Journal of Special EducationMême sujetTeacher Education and Leadership StudiesTravaux en français237 207