Pedagogical Transformation and Teacher Learning for Knowledge Building: Turning COVID-19 Challenges into Opportunities
Notice bibliographique
Résumé
This paper reports on the continual effort of the Knowledge Building Community (KBC) connecting teachers within and across schools for knowledge creation and community building during the COVID-19 disruptions. During this crisis, schools around the world are challenged with the issues of implementing online learning. Three areas of misalignment were identified: disjoint in learning with home-school separation, piecemeal technologies to mimic physical teaching, and disconnect between teacher professional development and classroom practices and we discussed emerging realignment efforts for transformative learning. Through analyzing the three case examples of how teachers responded to COVID-19 challenges in inter-related areas of curriculum, pedagogy, technology and community, we identified several themes on emerging alignments conducive for transformative pedagogy and technology through community advancement. These themes include: innovating practice around the centrality of ideas; perceiving knowledge building as pervasive; transformative use of technology, and symmetrical advancement of knowledge. These case examples show that in these disruptive times, the teachers were more actively building new practices supported by community dynamics and systemic processes of the KBC. Consequently, the interactions between stakeholders shifted from disjointed relations in different hierarchical levels to a networked community of people, ideas, and resources, and teachers continually advancing their knowledge-building practice in these challenging times.
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 | 0,012 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,023 | 0,044 |
| Communication savante | 0,022 | 0,016 |
| Science ouverte | 0,003 | 0,033 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».