Communities of practice and PISA for Schools: Comparative learning or a mode of educational governance?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper examines the Organization for Economic Cooperation and Development’s (OECD) PISA for Schools, a new variant of the Programme for International Student Assessment (PISA) that compares school-level performance on reading, math and science with international schooling systems (e.g., Shanghai-China, Finland). Specifically, I focus here on a professional learning community – the Global Learning Network (GLN) – of U.S. schools and districts that have voluntarily participated in PISA for Schools, and how this, arguably, helps to normatively determine ‘what works’ in education. Drawing suggestively across diverse thinking around contemporary modes of governance, and emerging topological spaces and relations associated with globalization, and informed by interviews with 33 policy actors across the PISA for Schools policy cycle, my analyses suggest that GLN allows the OECD to discursively and normatively constrain how ‘world-class’ schools and systems, and their policies and practices, are defined. However, and in light of the productive capacities of power relations, I also argue that GLN provides opportunities for local educators and leaders to undertake meaningful collaboration and sharing, and to find policy spaces outside of those defined by more performative discursive framings of school accountability. To this end, I explore how GLN may help to foster alternative policy spaces from which educators can ‘talk back’ to national and state authorities, and potentially promote more ‘authentic’ understandings of, and possibilities for, schooling accountability.
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.
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 | 0,000 | 0,004 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle