Research Synthesis of Meta-Analyses of Preservice Teacher Preparation Practices in Higher Education
Notice bibliographique
Résumé
Findings from a meta-analysis of meta-analyses of 14 different types of preservice student and beginning teacher preparation practices are described. The research synthesis included 118 meta-analyses and 12 other research studies of preservice practices-preservice student and beginning teacher outcomes. The research reports included between 5000 and 6000 studies and an estimated 2.5 to 3 million study participants. The outcomes included two different teacher quality measures and two different preservice student and beginning teacher measures. Mean difference effect sizes, confidence intervals for the average effect sizes, and generalized patterns of results were used to identify very high impact, high impact, medium impact, low impact, and no impact preservice practices. Results showed that clinically rich field experiences (extended and limited student teaching), learning experiences that included multiple opportunities for deliberate practice, faculty and school-based coaching, clinical supervision and performance feedback, different types of experiences and opportunities to learn to teach, course-based experiential learning experiences, and cooperative learning opportunities stood out as especially important practices that were related to optimal preservice and beginning teacher outcomes. The patterns of results are consistent with a practice-based approach to teacher preparation where the focus of preservice and beginning teacher education is the learning experiences and opportunities to learn and use optimal effective teaching practices.
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 | 0,064 | 0,202 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,003 |
| Méta-épidémiologie (sens large) | 0,025 | 0,059 |
| Bibliométrie | 0,020 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».