In Search of Ways to Improve Practicum Learning: Self-Study of the Teacher Educator/Researcher as Responsive Listener
Notice bibliographique
Résumé
Teacher education programs that appear to be more successful work to thread practicum experiences and on-campus courses with an eye to achieving overall program coherence. As part of a funded research project centred on understanding how teacher candidates perceive quality in their practicum experiences and, by extension, in their professional learning, focus groups were recruited for a series of discussions that extended over an academic year. I undertook this self-study in an attempt to examine the conditions for learning that made these focus groups so successful by virtue of participants’ commitment, engagement, focus and drive to become the best teachers they could possibly be. Self-study was an avenue for me to develop insights into my practice and to identify ways to move forward to become a more effective teacher educator who could model and scaffold responsive listening and relationship-building for future teachers. The two questions driving this self-study were “How does adopting and promoting a listening perspective improve participants learning?” And “What is transformative about responsive listening?” Identifying and challenging my assumptions were initial steps in understanding what a listening perspective entails, the importance of authorizing student perspectives and developing their pedagogical voices. Responsive listening became a means to interrogate my practice, to reframe my experience, to work in and from action, and to become more comfortable with the uncertain spaces where deep learning can occur – for myself and for those whom I teach. In so doing, I came closer to appreciating the possibilities for transformation.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».