MétaCan
Menu
Retour à la cohorte
Enregistrement W3090287703 · doi:10.5539/elt.v13n10p129

Teachers’ Attitude towards Inclusive Education: The Case of Algerian Middle School Teachers of English

2020· article· en· W3090287703 sur OpenAlexvenueno aff
Ahmed Chaouki Hoadjli, Khadidja Latrache

Notice bibliographique

RevueEnglish Language Teaching · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology-Enhanced Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologySpecial needsPedagogyFocus groupMathematics educationMainstreamingTeaching methodInclusion (mineral)Medical educationSpecial educationSociology

Résumé

récupéré en direct d'OpenAlex

Students with special educational needs have largely been marginalised from regular schools. As the 1900s drew to a close, the Education of All Handicapped Children Act put an end to child segregation from regular schools as an attempt to prevailing equity amongst students and promoting individual differences. Accordingly, disabled students started studying alongside their same-age peers in regular schools. This step requires from teachers to renew their teaching methods and differentiate instruction to meet all students’ needs. Inclusive Education is a teaching approach which considers students’ diverse needs and works on meeting those needs through differentiating instruction. This study aims to explore teachers’ readiness to differentiate instruction to embrace students’ needs and bypass problems associated with disabled students. Methodologically, a qualitative study was carried out principally focusing on a survey and focus group. A sample of 74 in-service middle school teachers of English was chosen as an attempt to provide a more comprehensive picture of their readiness and attitude towards the integration of inclusive education in English courses at middle schools. Ultimately, the analysis of the findings indicated that middle school teachers are ready to integrate inclusive education in their classes as a useful input to meet students’ diverse needs.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0150,006
Communication savante0,0050,002
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,020
Tête enseignante GPT0,333
Écart entre enseignants0,313 · 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'étudeObservationnel
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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetTechnology-Enhanced Education StudiesTravaux en français237 207