Notice bibliographique
Résumé
David Berliner presents a compelling argument for the engagement of educational psychologists in policy research, analysis, argumentation, and commentary. He sees this activity as a professional obligation of senior educational psychologists. Providing examples of educational psychology constructs and research that could contribute to policy debates, he suggests that there are warranted truths to be told to policy makers that could affect educational policies and eventually impact the education of our students. Of course, he also states that warranted truths (is rather than ought data) may not necessarily have much of an impact on policy. Thus it is worth looking closely at what Berliner is asking of senior educational psychologists. Throughout the paper, Berliner calls for the following activities: policy analysis, speaking the truth to power, using or creating data that will help to clarify an issue, developing arguments to clarify an issue, entering policy debates and challenging proposed (or existing) policies, publicly professing, and conducting studies with policy implications. As I understand his view on this topic, he sees most educational psychologists as engaging in what they consider to be value-free, objective research, whereas he is calling for what he labels While he feels that partisan research can be reasonably objective, it is not value free. We can think of this characterization of educational psychological research as lying along a continuum from perceived-as-value-free and objective research to value-laden partisan research. He is asking that more effort be devoted towards partisan research. In the next sections of this response, I will address 1) values in research, 2) a friendly critique of partisan research, and 3) a suggestion for the development of guidelines for good partisan research.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,010 | 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 ».