MétaCan
Menu
Retour à la cohorte
Enregistrement W3147374043 · doi:10.29173/iasl7993

Connecting and making coherent teachers' knowledge: Building a knowledge-oriented culture

2021· article· en· W3147374043 sur OpenAlexvenueno aff
Linda C. Langford

Notice bibliographique

RevueIASL Annual Conference Proceedings · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésKnowledge managementKnowledge sharingPersonal knowledge managementKnowledge buildingCore KnowledgeCommunity of practiceOrganizational learningSociologyBody of knowledgeKnowledge value chainPedagogyComputer science

Résumé

récupéré en direct d'OpenAlex

This paper is partly based on a doctoral thesis entitled Knowledge creation, knowledge sharing and knowledge use: A case study. The paper challenges teacher librarians to view themselves as knowledge architects in the designing and sustaining of a teachers' learning community - one which values teachers' knowledge as core business in the school. This paper builds a case for teacher librarians to realign their role by focusing on their colleagues' knowledge and asking: "How can teachers' knowledge be shared, and captured and disseminated to better enable a knowledge-oriented culture?"' and "What are the structures and processes that bring teachers' knowledge out into the open to be shared?" Part A of this paper presents a synopsis of the study's purpose, rationale and key issues. It brings together the theories of learning community and knowledge management in establishing a discourse that is centred on valuing, connecting and making coherent teachers' knowledge as essential in enabling a knowledge-oriented culture to grow and to flourish. Part B presents an overview of the study with a focus on one of its three themes: knowledge sharing. Part C concludes with a brief discussion on how this research can contribute to the role of school libraries and teacher librarians in the emerging discourse on professional learning and knowledge sharing within and across work place units.

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)0,015
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,022
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,021
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0190,027
Communication savante0,0220,022
Science ouverte0,0020,017
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,033
Tête enseignante GPT0,339
Écart entre enseignants0,307 · 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'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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIASL Annual Conference ProceedingsMême sujetKnowledge Management and SharingTravaux en français237 207