Educational Psychology as a Policy Science: Thoughts on the Distinction Between a Discipline and a Profession
Notice bibliographique
Résumé
Some of you know that I entered the policy arena about a decade ago. After happily and productively working as an educational psychologist in the area of research on teaching, well out of the public eye, I became fed up with the incomplete, distorted and political uses of data that I saw around me. This unhappiness started for me with the publication of A Nation at Risk (National Commission on Excellence in Education, 1983). That influential report described a school system that I didn’t recognize. It had been written by people I knew and liked so I originally kept quiet, thinking that although they may have gone too far, all that attention would be good for education. I believed that the report might help us to get more money for research and that it could lead to policies that would help schools that were not succeeding. But the two years following publication of that inaccurate and data-less screed witnessed the publication of, literally, hundreds of criticisms of the public schools. Eventually it dawned on me that many of the critics were not out to help the schools get better at all. They appeared to me to be out to destroy public education. Whether accurate or not, this realization brought my values to the foreground of my professional life. I discovered that I had a deep, almost visceral commitment to public education. I came to believe that the institution I cherished personally, and believed to be indispensable to our nation, was under attack. I thought I needed to talk about this and so I changed the direction of my career.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».