From teacher-regulation to self-regulation in early childhood: an analysis of Tools of the Mind’s curricular effects
Notice bibliographique
Résumé
The aim of my DPhil is to identify educational practices predictive of students' self-regulation development during early childhood. Specifically, I will analyze the Tools of the Mind preschool curriculum (Tools), which emphasizes students’ self-regulation cultivation as its paramount aim. Since its development in 1993, Tools has spread to schools in the United States, Canada, and South America. In the face of Tools' proliferation, two questions emerge: does Tools significantly improve children's self-regulation skills? And, if so, then which of its effective elements could be applied across various educational contexts? This dissertation contains two studies. In the first, I will systematically review extant Tools research and then execute a multilevel meta-analysis of the quantitative results. Study one serves three purposes: 1) to identify all studies in the existing Tools evidence base, 2) to estimate an aggregate curricular effect, and 3) to determine how that effect varies across contexts and student characteristics. Thus, study one will assess whether Tools, at the curricular level, improves students’ self-regulation. By contrast, study two will involve more granular analyses of the discrete learning activities that collectively comprise Tools. Specifically, study two will analyze child-level self-regulation and teacher-level Tools implementation data for 1145 preschool children in 80 classrooms across six American school districts. I will employ multilevel structural equation models to assess which Tools activities are associated with students’ self-regulation growth, which are associated with decline, and which exhibit no association at all. Ultimately, this dissertation features the first Tools meta-analysis as well as the first analysis of specific Tools instructional activities. It is hoped that these analyses will identify educational practices predictive of self-regulation development both within and beyond the Tools curricular context.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,005 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».