MétaCan
Menu
Retour à la cohorte
Enregistrement W2773414437 · doi:10.36510/learnland.v9i1.742

Commentary: Professional Learning: A Community of Practice for Great Schools

2015· article· en· W2773414437 sur OpenAlexvenueno aff
Linda Darling‐Hammond

Notice bibliographique

RevueLEARNing Landscapes · 2015
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEducational Assessment and Improvement
Établissements canadiensnon disponible
Organismes subventionnairesStanford Graduate School of EducationAmerican Educational Research AssociationRAND Corporation
Mots-clésProfessional learning communityLearning communityOrder (exchange)Professional developmentPedagogyMathematics educationCommunity of practicePsychologyPublic relationsSociologyMedical educationPolitical scienceMedicineBusiness

Résumé

récupéré en direct d'OpenAlex

In this interview, Linda Darling-Hammond describes the optimal way in which professional learning can be developed and implemented for teachers and school leaders. She emphasizes that teachers need to collaborate within a school and also have the opportunity to be part of a community with other schools. She explains that schools that are most successful are those where teachers, parents, and community organizations create relationships that support students inside and outside the school. As information access increases, she hopes that schools will be able to give students the skills to "learn how to learn" in order to use that information to contribute constructively to society.

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)0,006
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,619
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,127
Tête enseignante GPT0,443
Écart entre enseignants0,316 · 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.

Devis d'étudeSans objet
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

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLEARNing LandscapesMême sujetEducational Assessment and ImprovementTravaux en français237 207