MétaCan
Menu
Retour à la cohorte
Enregistrement W3092698533 · doi:10.3390/educsci10100288

Literacy Teacher Educators Creating Space for Children’s Literature

2020· article· en· W3092698533 sur OpenAlexafffund
Lydia Menna, Clare Kosnik, Pooja Dharamshi

Notice bibliographique

RevueEducation Sciences · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducator Training and Historical Pedagogy
Établissements canadiensUniversity of TorontoSimon Fraser UniversityUniversity of Alberta
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésLiteracyVariety (cybernetics)PsychologyPedagogyMathematics educationCritical literacySpace (punctuation)Qualitative researchSociologyComputer scienceSocial science

Résumé

récupéré en direct d'OpenAlex

This paper reports on a qualitative research study that examined how 10 literacy teacher educators (LTEs) utilized children’s literature to invite teacher trainees to critically engage with social issues, challenge their assumptions about literacy, and begin to develop the knowledge and dispositions to work alongside diverse learners (e.g., culturally, linguistically, socio-economically). The LTEs recognized that teacher trainees often entered their literacy courses with restricted conceptions of literacy and deficit assumptions about children from economically marginalized and/or culturally and linguistically diverse backgrounds. Within their courses, the LTEs positioned literacy as a multifaceted social practice, wherein access to a variety of representational resources facilitates the active construction of knowledge and identities. The LTEs modeled instructional strategies and designed assignments that encouraged teacher trainees to use children’s literature as a means to connect with issues relevant to the lives of young learners within contemporary classrooms. This research will be of interest to LTEs who endeavor to use children’s literature as a springboard to support teacher trainees to develop a self-reflective stance and a critical cultural consciousness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,741
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,084
Tête enseignante GPT0,432
Écart entre enseignants0,348 · 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 tête enseignante, pas un consensus.

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

Citations6
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEducation SciencesMême sujetEducator Training and Historical PedagogyTravaux en français237 207