On and Off Script: A Teacher’s Adaptation of Mandated Curriculum for Refugee Newcomers in an Era of Standardization
Notice bibliographique
Résumé
English Learners (ELs) make up 9.6% of the total student population in the U.S. (National Center for Education Statistics, 2019). Students with interrupted formal education (SIFE) are a subgroup of ELs who have had at least two fewer years of schooling than their peers, and function at least two years below grade level in reading and mathematics (DeCapua, Smathers, & Tang, 2007). To meet the demands of high stakes testing, schools have been increasingly implementing commercially published, scripted programs for ELs/SIFE (Reeves, 2010). Against this backdrop of the standards-driven and testing-based system, this article reports one of the key findings of a yearlong classroom ethnography of SIFE in an urban public secondary school in the United States, focusing on the experiences of the students and their teacher with two types of curriculum. Drawing on critical theory and culturally relevant/responsive pedagogy, the data tools include classroom observations, interviews with students and the teacher, and the videos of classroom interactions. Findings from our analysis demonstrate that the teacher played an active role in ensuring students learning through her role as a negotiator of the scripted curriculum. This study reaffirms that teachers can find ways to resist the totalizing effects of scripted curriculum.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».