MétaCan
Menu
Retour à la cohorte
Enregistrement W2748579565 · doi:10.1111/1471-3802.12394

An exploration of teacher's use of iPads for students with learning support needs

2017· article· en· W2748579565 sur OpenAlexaffabout
Dianne Chambers, Phyllis Jones, Donna McGhie‐Richmond, Michael W. Riley, Sarah May‐Poole, Ann Marie Orlando, Orhan Simsek, Catherine Wilcox

Notice bibliographique

RevueJournal of Research in Special Educational Needs · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésCurriculumScope (computer science)PsychologyMedical educationTechnology integrationSpecial educationProfessional developmentNeeds assessmentPedagogyMathematics educationEducational technologyComputer scienceMedicineSociology

Résumé

récupéré en direct d'OpenAlex

This project explored how iPads were being used in a range of K‐12 schools to support the learning of students with a range of learning support needs. Groups of teachers (and other professionals) from the USA , Canada, Australia and the UK were invited to complete an online survey focused on the use of iPads in their classrooms, perspectives of their skill level, and how their school and school districts support the use of iPads. The survey focused on iPad use in classrooms (curriculum and skills); teachers’ skill levels; whether iPads are addressed in the Individualised Education Program ( IEP ); the systemic support for the iPads; and the perceived benefits and barriers. The results reveal that respondents are using iPads across many areas of the curriculum, which affirms the research in the emerging literature base. However, there are teacher reported differences in the manner and scope of iPad use in the classrooms and also the integration of the iPad in the IEP . The research also highlights variability in reported skill level for the iPad and an increased need for enhanced systemic support, such as training, funding, technical support and administrative support for the use of the iPad as a pedagogical tool.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,191
Score d'incertitude au seuil0,361

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,002
Science ouverte0,0010,000
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 Opus0,244
Tête enseignante GPT0,517
Écart entre enseignants0,273 · 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'étudeObservationnel
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

Citations20
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Research in Special Educational NeedsMême sujetChild Development and Digital TechnologyTravaux en français237 207