MétaCan
Menu
Retour à la cohorte
Enregistrement W3110508668 · doi:10.22230/ijepl.2020v16n15a987

Education Leaders’ Perspectives on Special Education Research: A Priority Setting Study

2020· article· en· W3110508668 sur OpenAlexafffundvenueabout
Jennifer Baumbusch, Jennifer E. V. Lloyd, Yu Chyi David Liou, Danjie Zou

Notice bibliographique

RevueInternational Journal of Education Policy and Leadership · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueEducational and Psychological Assessments
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésGraduation (instrument)Psychological interventionMedical educationCategorizationSurvey researchPsychologySet (abstract data type)Educational researchPublic relationsPolitical scienceMedicinePedagogyNursingApplied psychology

Résumé

récupéré en direct d'OpenAlex

Research priority setting, an element of knowledge mobilization, makes knowledge users integral to the development of research agendas. To date, the use of research priority setting in educational research has been minimal. The purpose of this study was to explore educational leaders’ perspectives on research priorities in special education. We conducted a cross-sectional research priority setting survey with educational leaders from 60 public school districts in British Columbia, Canada. Seventy-one participants completed the survey. Results of a pre-set list of questions indicated that the top three research priorities were: grade-to-grade transitions, high school graduation, and time to designation. In terms of designation, or student categorization, participants were most interested in “Intensive Behaviour Interventions/Severe Mental Illness.” When asked about other priorities, participants identified research on types of support/interventions. These results have implications for developing a research agenda that can support informed decision-making around policy-development and programming for students with special 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 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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,332
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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,458
Tête enseignante GPT0,552
Écart entre enseignants0,094 · 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'étudeQualitatif
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'admission4
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Education Policy and LeadershipMême sujetEducational and Psychological AssessmentsTravaux en français237 207