Teachers learning to apply neuroscience to classroom instruction: case of professional development in British Columbia
Notice bibliographique
Résumé
Little is known about the integration of current neuroscience knowledge to classroom teaching, although many teachers rely on neuromyths to shape their pedagogies. Through a professional development approach, the learning study, we explored how teachers learned to apply neuroscience to teaching instruction. The teachers collaborated to design, enact and evaluate neuroscience-framed lessons as part of classroom research. Theories relating to neural plasticity, including the neural network hypothesis for memory and learning, hierarchical relational binding theory, and attention and awareness acted as the theoretical frame for the study. Borrowing phenomenographic methods, we drew on a variety of data sources to construct categories describing the teachers’ engagement with neuroscience. Findings highlighted the pivotal role analogies played in the teachers’ interpretation of neuroscience content and its application. Through the analogies of the ‘rose’, ‘butcher on the bus’, ‘deepening the trenches’, and ‘walking the pathway’, we illustrated how teacher learning manifested as the teachers’ deepened understandings of knowledge construction, moving away from didactic forms of instruction and increasing the use of multiple modalities, and creating coherent student learning experiences. Findings suggest how neuroscience holds the potential to support teachers’ development of theoretical coherence in their understandings of learning and pedagogy. Implications are discussed.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,025 | 0,008 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».