MétaCan
Menu
Retour à la cohorte
Enregistrement W3006594842 · doi:10.2478/jtes-2019-0019

Quality, Equity, Inclusion and Lifelong Learning in Pre-service Teacher Education

2019· article· en· W3006594842 sur OpenAlexaff
Wisuit Sunthonkanokpong, Elizabeth Murphy

Notice bibliographique

RevueJournal of Teacher Education for Sustainability · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGlobal Educational Policies and Reforms
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésLifelong learningEquity (law)Inclusion (mineral)Teacher educationPedagogyContext (archaeology)Sustainable developmentMathematics educationSociologyPolitical sciencePsychologySocial scienceGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Sustainable Development Goal 4 (SDG 4) focuses on ensuring inclusive and equitable, quality education and lifelong learning opportunities for all. One of the three means of implementation of SDG 4 targets is SDG 4c which calls on countries and donors to significantly increase the supply of qualified teachers in developing and underdeveloped countries. This emphasis on the supply of teachers is in recognition of the fact that the quality of education ultimately depends on teachers. In general, there is widespread agreement that teacher education has an important role to play in the achievement of the SDG 4 targets. However, there has been limited attention in the literature to SDG 4 in a context of teacher education. This paper aims to contribute to the literature on SDG 4 and teacher education. The paper first presents a conceptual framework pertaining to quality, equity, inclusion, and lifelong learning. Next, the framework is applied to the case of Thailand to identify examples of progress the country is making in support of realization of SDG 4 in teacher education. The framework with the four concepts can be applied by researchers to identify examples of progress on SDG 4 in teacher education in other countries and contexts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,018
Communication savante0,0080,004
Science ouverte0,0010,009
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,021
Tête enseignante GPT0,425
Écart entre enseignants0,404 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations37
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Teacher Education for SustainabilityMême sujetGlobal Educational Policies and ReformsTravaux en français237 207