The Impact of Professional Development on Student Achievement As Measured by Math and Science Curriculum-based Assessments
Notice bibliographique
Résumé
The purpose of this study was to explore the impact of teacher professional development on student achievement measured by scores on curriculum-based assessments, CBAs. The participants in the study included 260 3rd, 4th, and 5th grade math and science teachers. Teacher participation in professional development courses was collected for curriculum, instruction, differentiation, assessment, technology integration, and continuous improvement credit types. Achievement data for 8,454 students was used: 2,883 in 3rd grade, 2,752 in 4th grade, and 2,819 in 5th grade. The dependent variable of student achievement was dichotomized at the median: half of the student participants scored above the median and half of the students scored at and below the median. A series of logistic regression models were fit to the data that included examining all main effects and interaction terms among all variables to determine the best fitting model. The results of this study indicate that for 4th grade science, teacher professional development participation in curriculum, instruction, and differentiation credit strands increased the chances for students to score above the district median on CBAs. The larger number of professional development hours in a variety of credit strands had a negative impact on student achievement in 4th grade science. In 5th grade science, the students whose teacher spent more hours in professional learning for continuous improvement had an increased likelihood of scoring above the district median on CBAs.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».