Making the Case for Teaching Social Emotional Learning through Children’s Literature
Notice bibliographique
Résumé
In this presentation I propose children’s literature as an effective tool to teach social emotional learning in the classroom. Social emotional learning has increasingly become a focus in many Canadian schools. Social emotional learning has been defined in many ways but is usually accepted to be a combination of developing children’s abilities to self-regulate their feelings, understand and display empathy and make responsible choices. These are skills that can benefit children in a variety of ways that includes increasing self-esteem, reducing conflicts with peers or family members and developing resiliency. Although social emotional skills like empathy are essential for the adequate moral development of children, there is little communication as to the ways qualities like empathy can become teachable skills. This poses a challenge to classroom teachers who are not receiving training or professional development from Social Emotional Learning organizations or research bodies but wish to incorporate elements of the theory into their existing practice and routines. Although some organizations offer scripted lessons and programming to be used in the classroom, programs alone may not be enough. Locally developed resources created for peer-to-peer sharing amongst teachers allow for greater integration and have the added benefit of being customized for each teacher’s unique learning community. This presentation will focus on the integration of social emotional learning at the classroom level using a children’s literature approach. I share some of the resources I have created for this purpose.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,010 | 0,032 |
| Communication savante | 0,018 | 0,029 |
| Science ouverte | 0,004 | 0,017 |
| Intégrité de la recherche | 0,007 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».