Belief without evidence? A policy research note on Universal Design for Learning
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Developed first in the late 1990s by the Centre for Applied Special Technology, the pedagogical framework known as “Universal Design for Learning” (UDL) has drawn increasing investment from K-12 and post-secondary institutions. The promoters of UDL often frame the approach as being “based in neuroscience,” and further as an “evidence-based approach” to instructional design in teaching and learning. While the rhetoric is promising, no rigorous published research has demonstrated any improvement in an education intervention designed with UDL principles in mind. Furthermore, the community of practice around UDL appears to be hostile to questions around the rigor of analysis used to promote UDL interventions. Studies of UDL approaches do not follow best practices in terms of research design, and often solicit anecdotes rather than testing the effectiveness of the approach. The purpose of this policy research note is to survey the state of the art in researching UDL and to clarify the origin of the pedagogical theory. Because the effectiveness of this theory has not been proven, there are no grounds for UDL implementation plans to be framed as “evidence-based” decisions. Further, the reluctance of UDL advocates to rigorously study the effectiveness of their intervention raises important questions about their confidence in the theory. For these reasons, the only evidence-based conclusion that can be made about UDL is that further study is required, as its core claims remain unproven. Institutions of any educational level should proceed with caution before devoting significant resources to implementation of UDL.
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.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découle