To Teach Or Not To Teach Astronomy, That Is The Question: Results Of A Survey Of Québec’s Elementary Teachers
Notice bibliographique
Résumé
To determine the extent of astronomy teaching in Quebec’s schools, we conducted an online survey of 500 Québec’s elementary (K-6) teachers between January and March 2015. With a 35-items questionnaire, we wanted to find out how these elementary teachers teach astronomy (or not) to their classrooms, what is their background in Science & Technology (S&T), what pre-service education they received, the reasons why they teach astronomy or not to their students, the resources and materials they have at their disposal, their perception of the effectiveness of pre- and in-service training they received, and their perceived needs for in-service training. Results show that the majority of teachers surveyed didn’t study science beyond high school and have had no experience in S&T employment before becoming a teacher. We also found that only half of the teachers surveyed actually teach astronomy to their class, mostly by using reading and writing material, and that 39% of “Astronomy teachers” in our sample teach astronomy to their class between 6 and 10 hours per year. Major hurdles to astronomy teaching perceived by the teachers in our survey are a lack of experience and training in astronomy, a lack of resources and equipment, inadequate classroom arrangement, and their own, self-perceived incompetence in astronomy. Pre-service education in astronomy, in science and in science teaching is also considered mainly unsatisfactory, or non-existent in the case of astronomy; in-service training in astronomy is mainly composed of conversations with colleagues. Most respondents thus consider in-service training in astronomy to be inefficient or inexistent.
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 | 0,013 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».