MétaCan
Menu
Retour à la cohorte
Enregistrement W2944568192 · doi:10.1108/ijlls-10-2018-0072

Developing theoretical coherence in teaching and learning: case of neuroscience-framed learning study

2019· article· en· W2944568192 sur OpenAlexaffabout
Yuen Sze Michelle Tan, Joshua J. Amiel, Kwesi Yaro

Notice bibliographique

RevueInternational Journal for Lesson and Learning Studies · 2019
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience, Education and Cognitive Function
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésFieldnotesOriginalityPraxisPsychologyMathematics educationThematic analysisValue (mathematics)Coherence (philosophical gambling strategy)Experiential learningCognitionPedagogyComputer scienceQualitative researchSociologyEpistemologyNeuroscienceCreativitySocial psychology

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to describe two cycles of learning study (LS) involving eight elementary teachers in British Columbia, Canada. The study explored the teachers’ experiences of learning to plan and teach lessons as informed by recent brain research. Design/methodology/approach The case study was constructed using data sources including teacher semi-structured interviews (pre-study, post-study and delayed post-study), classroom materials (including student assignments), LS training materials, fieldnotes and recordings of meetings and research lessons; sources were triangulated. Thematic analysis was applied. Contemporary neuroscience perspectives framed the LS discourse and analysis. Findings The teachers developed theoretical coherence and could better articulate reasons for their pedagogy. They developed understandings of the cognitive architecture underlying functions like learning and memory, allowing them to identify pedagogical actions that are consistent with human biology and understand why these actions are effective in promoting learning. Practical implications LS is shown to be an effective professional development (PD) model where theoretical knowledge, like neuroscience, could be employed and tested in classroom settings to provide depth to support teachers’ praxis. This teaching–research nexus supports exploration of fruitful connections between theoretical knowledge and education to advance the science of learning and the science of instruction. Originality/value Findings demonstrated how LS could be employed with alternative theoretical perspectives to promote teacher PD, thus extending beyond the dominant use of variation theory. Also, illustrated is the potential use of LS to bridge the knowledge gap between neuroscience and education.

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)0,016
score de la tête « metaresearch » (Gemma)0,031
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 enseignants0,193
Score d'incertitude au seuil0,383

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,031
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0250,035
Communication savante0,0100,005
Science ouverte0,0040,012
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,072
Tête enseignante GPT0,403
Écart entre enseignants0,332 · 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

Citations25
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Lesson and Learning StudiesMême sujetNeuroscience, Education and Cognitive FunctionTravaux en français237 207