An Evaluation of an Innovative In-Service Teacher Training Model in Turkey
Notice bibliographique
Résumé
A project, with the support of the UNICEF and the Ministry of National Education in Turkey (MoNE), was carried out to develop and implement an in-service teacher training programme aiming at changing participating teachers’ perceptions and practices regarding inclusive education. Within scope of the programme, ten separate modules were developed, each of which focusing on developing teachers’ skills in certain aspects of inclusive education. Within the project, an in-service teacher training model was developed to guide the design of the ten modules in terms of the process, content and materials utilized. The model encompasses hands-on and inspiring teaching methods, the teachers’ collaboration and flexibility in terms of bringing the teachers’ ideas and experiences to the process. For this study, of these modules, “Teaching and Assessment” was chosen to evaluate the effectiveness of the in-service teacher training model in terms of ensuring teacher change. The module aimed at developing the participating teachers’ pedagogical skills in order for them to carry out differentiated instruction and formative assessment. Approximately eight thousand teachers were trained through the Teaching and Assessment Module across Turkey from September to November in 2018. Data for the present study was collected through focus group discussions (FGD). In total, four FGDs were held with randomly selected 27 teachers who participated in the Teaching and Assessment Module. Content analysis was performed in order to analyse the data obtained from the FGDs. According to the results of the study, it was found that although a “one-shot” in-service training approach was implemented, significant changes occurred both in the teachers’ perceptions, awareness and practices regarding inclusive education. However, it was noted that certain factors such as the organization, in particular the place and time of training sessions could be improved. Furthermore, excessive use of worksheets and lack of subject specific examples were criticised by some FGD participants.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».