MétaCan
Menu
Retour à la cohorte
Enregistrement W2886385580 · doi:10.14742/ajet.4214

Secondary pre-service teachers’ perceptions of technological pedagogical content knowledge (TPACK): What do they really think?

2018· article· en· W2886385580 sur OpenAlexaff
Petrea Redmond, Jennifer Lock

Notice bibliographique

RevueAustralasian Journal of Educational Technology · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueDigital literacy in education
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésTechnology integrationPerceptionDiversity (politics)Teacher educationPedagogyMathematics educationKnowledge integrationPsychologyProfessional developmentEducational technologyKnowledge managementComputer scienceSociologyDomain knowledge

Résumé

récupéré en direct d'OpenAlex

Meaningful integration of digital technology into learning and teaching is ill-structured, complex, and messy. Inherent in the complexity is the interaction between the different domains of teacher knowledge. The multifaceted problem is further compounded by the diversity of learners and technology in today's dynamic classroom contexts. Pre-service teachers often feel ill-prepared to plan for effective technology integration in their classrooms. Technological pedagogical content knowledge (TPACK) has provided educators with a theoretical framework to unpack the complexity of technology integration. It sits at the heart of three interrelated components: content knowledge, pedagogical knowledge, and technological knowledge. These knowledge areas interact, support, and constrain each other. This study investigated secondary pre-service teachers’ perceptions of TPACK. Data were collected through an online survey and interviews. Following a brief introduction to TPACK, this article explores secondary pre-service teachers’ perceptions of TPACK and its components, along with their professional learning needs for TPACK development. Implications for teacher education programs are also provided.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0030,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,050
Tête enseignante GPT0,350
Écart entre enseignants0,300 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations74
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralasian Journal of Educational TechnologyMême sujetDigital literacy in educationTravaux en français237 207