MétaCan
Menu
Retour à la cohorte
Enregistrement W2623043852 · doi:10.37119/ojs2017.v23i1.322

Making Sense of Divides and Disconnects in a Preservice Teacher Education Program

2017· article· en· W2623043852 sur OpenAlexafffundvenueabout
Karen Goodnough, Ronald J. MacDonald, Thomas Falkenberg, Elizabeth Murphy

Notice bibliographique

Revuein education · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Education and Learning Practices
Établissements canadiensUniversity of ManitobaUniversity of Prince Edward IslandMemorial University of Newfoundland
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésPracticumActivity theorySociologyPedagogyField (mathematics)Teacher educationAutonomyQualitative researchMathematics educationPsychologyPolitical scienceSocial science

Résumé

récupéré en direct d'OpenAlex

This study’s purpose was to make sense of divides and disconnects in a teacher education program that included university-based courses combined with school-based field experiences. The study took place in Québec, Canada, which has the longest practicum of all provinces and programs designed to develop professional autonomy and competency. Data collection relied on documents, interviews, surveys, and focus groups with 44 preservice teachers along with field supervisors and instructors. Analysis relied on cultural historical activity theory and its principle of contradictions. Findings revealed that contradictions resulted in unintended and unfavourable outcomes such as teacher candidates feeling unprepared and untouched by the program. Resolution of contradictions may be realized through expansion of the division of labour to include more peer and self-assessment and through expansion of tools to support boundary crossing between theory, practice, schools, and university. Keywords: Preservice teacher education; cultural historical activity theory; contradictions; school-university partnerships; divides and disconnects

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)0,022
score de la tête « metaresearch » (Gemma)0,030
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 enseignants0,032
Score d'incertitude au seuil0,118

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,030
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,002
Études des sciences et des technologies0,0320,031
Communication savante0,0110,012
Science ouverte0,0020,021
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,119
Tête enseignante GPT0,506
Écart entre enseignants0,386 · 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

Citations1
Publié2017
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revuein educationMême sujetInnovative Education and Learning PracticesTravaux en français237 207