MétaCan
Menu
Retour à la cohorte
Enregistrement W2924466398

Complexity theory and implications for teacher learning research.

2018· article· en· W2924466398 sur OpenAlexaffabout
Michael Fairbrother

Notice bibliographique

Revue2019 Conference of the Canadian Society for the Study of Education · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésReading (process)PedagogyMathematics educationContext (archaeology)PsychologyLiteracyProfessional learning communityProfessional development
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Primary grade teachers are positioned with the enormous responsibility of having to provide their students foundational academic and social skills. Students who do not learn to become proficient readers by the end of Grade 3 show higher incidences of high school drop-out, incarceration and teen pregnancy than average to good readers (Torgesen, 2000; Vanderstaay, 2006). Contemporary research findings on student reading achievement and early reading teacher professional learning and knowledge present a juxtaposed picture of the current state of the field of early literacy instruction. This paper shows how a complexivist guided research design sensitive to the contextual relationships inherent between teachers, their schools and school boards is conducive for understanding teachers’ early reading professional learning needs. Applying an instrumental qualitative case study research design involving three schools in an Eastern Canadian public school board with in-depth interviews with early reading teachers, principals and board reading specialists (N=12), this paper presents findings of complexivist guided research and discusses how complexivist research is ideal for drawing out deep, highly personal perspectives that should contribute to our understanding of how the uniqueness of context and underlying interrelated factors are influencing teacher professional learning, early reading instruction and student reading achievement.

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)0,038
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 enseignants0,013
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,038
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,007
Études des sciences et des technologies0,0050,034
Communication savante0,0120,018
Science ouverte0,0030,006
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,151
Tête enseignante GPT0,427
Écart entre enseignants0,276 · 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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue2019 Conference of the Canadian Society for the Study of EducationMême sujetReading and Literacy DevelopmentTravaux en français237 207