In Defense of Robin Barrow's Concern About Empirical Research in Education
Notice bibliographique
Résumé
This paper offers a defense of Robin Barrow’s main arguments in Giving Teaching Back to Teachers, including additional material concerning the inability of the aggregate data and statistical methods employed in research in education (and research on teaching) to speak to individual teachers and students or to particular classrooms. This defense and extension of Barrow’s position is applied in a critique ofa proposal made by Lorraine Foreman-Peck in her 2004 debate with Barrow, entitled What Use is Educational Research?, published in 2005 by the Philosophy of Education Society of Great Britain. A central confusion that attends and limits much empirical research in education and social science concerns conflation of two different senses of the concept general, as “common to all” or “on average.” The havoc this confusion plays ought not be ignored or minimized by educational researchers and their advocates who tend to exaggerate the empirical regularity in social scientific data and therefore the generalizability of social science research in education and elsewhere.
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 | 0,137 | 0,202 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,012 | 0,120 |
| Communication savante | 0,018 | 0,034 |
| Science ouverte | 0,006 | 0,013 |
| Intégrité de la recherche | 0,031 | 0,060 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».