MétaCan
Menu
Retour à la cohorte
Enregistrement W2932365313

Intersection of the self and the system: Early reading professional learning

2019· article· en· W2932365313 sur OpenAlexaff
Michael Fairbrother

Notice bibliographique

Revue2019 Conference of the Canadian Society for the Study of Education · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésReading (process)PsychologyMathematics educationProfessional developmentLearning to readPedagogyLiteracy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

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 reading instruction: (1) compared to proficiently reading peers students struggling to read by grade 3 are at a higher risks of high school dropout, teen pregnancy and incarceration; (2) too many students read at basic and below basic levels by grade 4; (3) many early reading teachers lack adequate knowledge of core early reading skills; and (4) many early reading professional learning programs do no help teachers meet their struggling readers’ needs. Such findings provided the impetus for the qualitative case study described in this paper. Inquiry into teacher, principal and board reading specialist perspectives (N=12) on the contextual variables influencing the planning, delivery and uptake of early reading professional learning are represented in four emergent themes: teacher engagement, teacher self-interest, teacher receptivity, and teacher vulnerability to system flux. This research opens up the nature of the relationships between teachers and the contextual variables influencing their teacher and learning opportunities. Findings provide new points from which educational researchers, schools and school boards can consider more contextually relevant early reading professional learning designs.

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)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0080,035
Communication savante0,0090,008
Science ouverte0,0010,008
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,015
Tête enseignante GPT0,282
Écart entre enseignants0,267 · 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'étudeQualitatif
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

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