MétaCan
Menu
Retour à la cohorte
Enregistrement W3201472958 · doi:10.5539/hes.v11n4p31

Development of Communication Competence in Pre-Service Vocational Education Teacher Training

2021· article· en· W3201472958 sur OpenAlexvenueno aff
Daniel Etzold, Marc Krüger

Notice bibliographique

RevueHigher Education Studies · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation Methods and Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVocational educationMicroteachingCompetence (human resources)Peer feedbackTeacher educationConstructivePsychologyMedical educationProfessional developmentHigher educationPedagogyMathematics educationComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

This paper presents a seminar concept for the development of communication competence in pre-service vocational education teachers with the aid of video annotations, feedback, and peer microteaching. The seminar is offered within a teacher training program for students taking a master’s degree (MEd) in vocational education at the FH Münster University of Applied Sciences, Germany, and has been conducted three times. The advantages of the seminar concept are manifold. On the one hand, we create a learning environment in which students individually prepare and conduct five peer microteaching lessons in a row and receive prompt and constructive peer feedback on every performance. On the other hand, the quality of feedback improves so that our students are professional feedback providers by the end of the seminar. The provision of teacher feedback alone does not help our students become successful feedback providers. Nor, given the resources available at the university, is it a realistic alternative in terms of time constraints. In addition, due to recordings, the students gain a better insight into their teaching skills since their lessons can be observed and approached from an outside perspective.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,236
Tête enseignante GPT0,484
Écart entre enseignants0,248 · 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'étudeObservationnel
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 revueHigher Education StudiesMême sujetEducation Methods and TechnologiesTravaux en français237 207