MétaCan
Menu
Retour à la cohorte
Enregistrement W2980721255

Pedagogical behaviour in pre-service teachers drops with increasing content knowledge

2019· article· en· W2980721255 sur OpenAlexaff
Christine Lindstrøm, Megan C. Engel, Vinesh Rajpaul

Notice bibliographique

RevueProceedings of The Australian Conference on Science and Mathematics Education · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Strategies and Epistemologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésBachelorNorwegianMathematics educationPsychologyPedagogyService (business)Political science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We present the results of a novel study investigating the relationship between pre-service science teachers’ content knowledge and pedagogical behaviour and how these evolve over time. Forty-one pre-service science teachers at the largest teacher education institution in Norway (Oslo Metropolitan University) were tested before and after a 12-hour module on astronomy at the end of the second and final physics course in the Bachelor of Teaching degree. Three free-response questions in the established Norwegian Introductory Astronomy Questionnaire (NIAQ) elicited astronomy knowledge and gave respondents an opportunity to engage in pedagogy. Student responses were analysed along two separate dimensionscontent knowledge and pedagogical behaviour (student-centred vs. teacher-centred)and interpreted in the framework of Pedagogical Content Knowledge (PCK). Overall, we find that the pre-service teachers become more knowledgeable after instruction (responses marked as ‘knowledgeable’ increased from 39% to 61%), even though a significant fraction remain disconcertingly ignorant. More notably, however, the pre-service teachers also displayed a strong trend of becoming less student-centred (from 36% to 11% of responses) as their content knowledge increased, merely stating the correct - or presumed correct - response without showing any concern for the hypothetical students in the question.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,485
Score d'incertitude au seuil0,295

Scores Codex et Gemma par catégorie

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

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 Opus0,190
Tête enseignante GPT0,404
Écart entre enseignants0,215 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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 revueProceedings of The Australian Conference on Science and Mathematics EducationMême sujetEducational Strategies and EpistemologiesTravaux en français237 207