MétaCan
Menu
Retour à la cohorte
Enregistrement W2916594557 · doi:10.1177/105678791802700401

Development of a Theoretical Model for Achieving Inclusion in Schools

2018· article· en· W2916594557 sur OpenAlexaff
Mario Torres, Jean Madsen, Wen Luo, Yuhong Ji, Elisabeth Luevanos

Notice bibliographique

RevueInternational Journal of Educational Reform · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTeacher Education and Leadership Studies
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésConfirmatory factor analysisDemographicsInclusion (mineral)Exploratory factor analysisCronbach's alphaConstruct (python library)PsychologyScale (ratio)Construct validityStructural equation modelingReliability (semiconductor)Social psychologyApplied psychologyPsychometricsSociologyDevelopmental psychologyComputer scienceGeography

Résumé

récupéré en direct d'OpenAlex

School systems are in the midst of dealing with changing demographics. It is assumed schools play an important role in addressing the varying educational, cultural, and social needs of an increasingly diverse group of members (Holme, Diem, & Welton, 2013). In response authors reviewed multiple inclusive models and frameworks relevant to schools with changing demographics. The scale was based on three meta-constructs: leadership capacity, organizational justice, and performance outcomes. The School Inclusion Survey used in this study employed robust scales to ascertain inclusiveness. An exploratory factor analysis (EFA) and Cronbach's α for subscale reliability, in addition to confirmatory factor analysis, were employed to evaluate the construct validity of the inclusion model. While the school inclusion model is exploratory, it is believed schools can use this tool to gauge organizational inclusiveness and develop strategies to address gaps or weaknesses to address the needs of their changing demographics.

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)0,006
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,003
Études des sciences et des technologies0,0060,014
Communication savante0,0080,011
Science ouverte0,0040,007
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,106
Tête enseignante GPT0,457
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'étudeThéorique ou conceptuel
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

Citations8
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Educational ReformMême sujetTeacher Education and Leadership StudiesTravaux en français237 207