Evaluating Pedagogy and Practice of Universal Design for Learning in Public Schools
Notice bibliographique
Résumé
How can education change to meet the demands of effectively educating an increasingly diverse student population with the skills, knowledge, and abilities they need to be productive and successful citizens in the 21st century? One possible solution is to create classrooms, teachers, and schools that embrace the progressive and inclusive practices espoused by Universal Design for Learning (UDL). In addition to being rooted in UDL pedagogy, classrooms designed to meet the challenge of 21st century education need to substantially integrate and utilize advances in technology. The vanguard of literature to date in UDL could be characterized as rhetorical advocacy. That is, UDL literature is in the early stages of introducing and promoting UDL pedagogy, but to date there is not a research base strong enough to establish UDL as a scientifically validated intervention (Edyburn, 2010). UDL might sound like a good idea, but until the research base turns the corner from advocating to assessing and measuring UDL outcomes, the promise of this approach will not be realized. This article describes a study exploring effects and outcomes of a professional development program on the perceptions and practice of UDL principles in K–12 public school inclusive classrooms, and could be one step toward bridging the gap from a good idea to a solidified best practice. Specifically, this study investigated a professional development program’s effect on teachers’ perceptions, conceptualizations, and implementation of UDL principles and practice in their classrooms.
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 | 0,153 | 0,221 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,010 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».