MétaCan
Menu
Retour à la cohorte
Enregistrement W2567609816 · doi:10.5539/ies.v10n1p255

How do Teachers Make Sense of Peer Observation Professional Development in an Urban School

2016· article· en· W2567609816 sur OpenAlexvenueno aff
Luis Miguel Dos Santos

Notice bibliographique

RevueInternational Education Studies · 2016
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAcknowledgementYardstickProfessional developmentPsychologyFaculty developmentMathematics educationPedagogyProcess (computing)Peer feedbackCollegialityComputer science

Résumé

récupéré en direct d'OpenAlex

The purpose of the research study is to explore how a peer observation training programme could be beneficial to the professional development of English teachers in an East Asian environment. The research objectives were to improve teaching practice, examine how teachers make sense of the peer observation programme after they have taken part in, and to suggest alternative approaches.Data were collected from three teachers who participated in a peer observation programme at a language school in Hong Kong through an interview process. The research discovered that peer observation can be a good tool for continuous professional development for teachers in order to develop their teaching strategies. This is especially important within the field of language education. From the analysis, most teachers are wary of the practicalities of peer observation due to the sensitivity that is associated with it. The research also discovered that teachers think that if the peer observation approach is well developed, it can be potentially interesting or generate excitement among teachers. It can support teachers to deliver their possible best practice. There is a general acknowledgement among the participants that there are certain elements of a teacher’s performance that only colleagues in the same or closely-related disciplines can accurately assess. In the absence of a clear cut procedure and requirement for evaluating a person and for the person being evaluated, both parties become frustrated as there is no yardstick of performance. Recommendations for improvement have also been presented.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,783
Score d'incertitude au seuil0,281

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,127
Tête enseignante GPT0,373
Écart entre enseignants0,247 · 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'étudeSans objet
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

Citations28
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetEFL/ESL Teaching and LearningTravaux en français237 207