MétaCan
Menu
Retour à la cohorte
Enregistrement W3149275196 · doi:10.29173/iasl7987

Building capacity and continuous improvement of school libraries: The Delaware experience

2021· article· en· W3149275196 sur OpenAlexvenueno aff
Ross J. Todd

Notice bibliographique

RevueIASL Annual Conference Proceedings · 2021
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEducational Assessment and Improvement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumSchool libraryGovernorLiteracyCapacity buildingPolitical scienceClass (philosophy)Process (computing)Reading (process)Professional developmentAction researchState (computer science)Information literacyPedagogyPublic relationsMathematics educationSociologyEngineeringLibrary sciencePsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

This research paper is in two parts. “Part I: The Evidence” documents the background, purpose, methodology and findings of the Delaware School Library Infrastructure Study undertaken on behalf of the Delaware Governor’s Task Force, and highlights some key issues and concerns that have formed the basis for . “Part 2: From Evidence to Action” documents the processes and professional actions involved in developing a sustainable program of improvement for school libraries in Delaware through engaging with the research evidence. This research and development process, initiated in 2005, is an ongoing evidence-based practice program engaging multiple partnerships at school district and state department of education to focus on continuous improvement and capacity building of school libraries in the state of Delaware. At its center is a process of engaging school librarians in a research-based, data-driven cycle of transforming school libraries so that they can play a central and identifiable role in curriculum implementation, student achievement, reading, and literacy development in Delaware’s schools, and to ensure that Delaware’s school libraries play a role in world class learning and literacy in the state.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,359
Score d'incertitude au seuil0,858

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 technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
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 Opus0,098
Tête enseignante GPT0,365
Écart entre enseignants0,267 · 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.

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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIASL Annual Conference ProceedingsMême sujetEducational Assessment and ImprovementTravaux en français237 207