MétaCan
Menu
Retour à la cohorte
Enregistrement W2909004969 · doi:10.5206/eei.v28i3.7769

The Supporting Effective Teaching Project: 1. Factors Influencing Student Success in Inclusive Elementary Classrooms

2018· article· en· W2909004969 sur OpenAlexaffvenue
Anne Jordan

Notice bibliographique

RevueExceptionality Education International · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCollaborative Teaching and Inclusion
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésInclusion (mineral)Context (archaeology)Mathematics educationPsychologyPedagogySet (abstract data type)Teaching methodQuality (philosophy)Computer science

Résumé

récupéré en direct d'OpenAlex

The Supporting Effective Teaching project commenced in the early 1990s with studies of how classroom teachers work with students with special educational needs included in their elementary classrooms. Over the ensuing 20 years, the project team prepared and tested a model of the factors that influence student outcomes in inclusive classrooms, with emphasis on the beliefs and practices of regular elementary classroom teachers and on their sense of responsibility for meeting the diverse learning needs of their students. This article provides an overview of the SET project to show how the model evolved and to bring together the findings that were published previously. It takes a different tack from previous papers in that it begins at the most surprising outcome, the importance of teaching practices. Arguably the most significant empirical finding from the project is that teachers who believe it is their responsibility to include students with special education needs are more effective practitioners for all their students. The article then traces the factors that contribute to this finding: quality of instruction, teacher beliefs about ability and disability, teacher beliefs about learning and instruction, and school context. The purpose is to present a comprehensive review of the project findings in the context of recently published research on inclusion.

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)0,015
score de la tête « metaresearch » (Gemma)0,037
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,037
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,002
Communication savante0,0050,003
Science ouverte0,0010,007
Intégrité de la recherche0,0010,003
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 Opus0,016
Tête enseignante GPT0,435
Écart entre enseignants0,419 · 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'étudeObservationnel
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

Citations41
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueExceptionality Education InternationalMême sujetCollaborative Teaching and InclusionTravaux en français237 207