Conceptualising the expertise of the mathematics teacher educator
Notice bibliographique
Résumé
The aim for this working group is to further the development of research within the domain of the mathematics teacher educator (MTE), specifically to move beyond descriptions of MTE knowledge towards ways of conceptualising and researching the expertise of the MTE. The phenomenon of expertise of the MTE is not easily defined. We follow Beswick & Goos (2018) by using the label MTE as “anyone engaged in the education or development of teachers of mathematics” (p. 418) and recognise that MTE, as a role, encompasses a diverse set of practices within mathematics teacher education. Recently, within mathematics teacher education, there has been increasing interest in the development of theories that can account for what and how MTEs learn; for example, the publication of a recent special issue of the Journal of Mathematics Teacher Education where some scholars have extended existing models of mathematics teacher knowledge as a way of describing the knowledge of the MTE (e.g., Leikin, Zazkis & Meller, 2018). This working group builds on foundations from previous PME working sessions that have been centred around MTEs (Goos, Chapman, Brown, & Novotna, 2011; Beswick, Goos, & Chapman, 2014) and looks to extend existing conceptualisations of the expertise of MTEs beyond descriptions of MTE knowledge (e.g., Appova & Taylor, 2017).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,030 |
| Communication savante | 0,012 | 0,031 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».