MétaCan
Menu
Retour à la cohorte
Enregistrement W2894905136 · doi:10.1080/09585176.2018.1500489

Conceptualizations of writing in early years curricula and standards documents: international perspectives

2018· article· en· W2894905136 sur OpenAlexafffundabout
Shelley Stagg Peterson, Judy M. Parr, Eva Lindgren, Douglas Kaufman

Notice bibliographique

RevueThe Curriculum Journal · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWriting and Handwriting Education
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésCurriculumLiteracySet (abstract data type)PoliticsPedagogySociologyMathematics educationPolitical sciencePsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract In this article, researchers in the field of early writing identify underlying beliefs and values about writing and learning to write for the beginning years of formal schooling in four jurisdictions: the American state of Connecticut, New Zealand, the Canadian province of Ontario, and Sweden, as reflected in the respective curricula and standards documents that guide instruction. Using Ivanič’s Discourses of Writing and Learning to Write to guide our text analysis, we found that curriculum developers have primarily been influenced by views of writing as a set of skills, processes, and genres. We found few references to the sociopolitical discourse which indicates a view among curriculum developers that sociopolitical literacy is not suitable for this age group. We argue, with support in previous research, that young children's writing does not have to be politically neutral and that it can be developed under age‐appropriate circumstances. Implications for policy and curriculum development include a need for greater consideration of the complexities of writing shown in research conducted across five decades. We propose a change to the model for early years, recognising that young children's socio‐political understandings lie within their home and school lives, rather than the broader community.

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)0,013
score de la tête « metaresearch » (Gemma)0,014
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,005
Études des sciences et des technologies0,0080,046
Communication savante0,0180,011
Science ouverte0,0010,005
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,363
Écart entre enseignants0,351 · 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

Citations22
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Curriculum JournalMême sujetWriting and Handwriting EducationTravaux en français237 207