MétaCan
Menu
Retour à la cohorte
Enregistrement W2611675429

Supporting ELLs: Ontario Elementary Teachers' Experiences Using CRRP

2017· article· en· W2611675429 sur OpenAlexaboutno aff
Amara Charles

Notice bibliographique

RevueTSpace (University of Toronto) · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Tools and Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEllMathematics educationPedagogyPsychologyMedical educationComputer scienceTeaching methodMedicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The aim of this qualitative research study is to understand how Ontario elementary teachers support English Language Learners through the use of culturally relevant and responsive pedagogical practices (CRRP). Although existing literature on CRRP speaks to what the approach entails, there is little research on how teachers engage in this approach in the classroom and the results they observe for their ELL and non-ELL students. This research project intervenes this gap by highlighting how a small sample of elementary school teachers enact CRRP to support their diverse learners, the challenges they face as a result, and the actions they take to overcome these challenges. This study is guided by the main research question of: How is a sample of elementary school teachers enacting culturally relevant teaching to support their ELL students? Findings from the study suggest that teachers who engage in a CRRP approach create inclusive classrooms that connect instruction to students' interests, incorporate students' culture and L1 through the use of visuals, and allow students' to draw upon their L1 through oral and written engagement. Despite these outcomes, findings suggest that more needs to be done to better prepare teachers to support their diverse learners. As well, ministries of education must allocate more money for funding and training for pre and in-service teachers.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,283
Score d'incertitude au seuil0,569

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0160,010
Communication savante0,0040,002
Science ouverte0,0020,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,082
Tête enseignante GPT0,409
Écart entre enseignants0,327 · 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'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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpace (University of Toronto)Même sujetEducational Tools and MethodsTravaux en français237 207