Feasibility and initial psychometric properties of the Observe, Reflect, Improve Children’s Learning Tool (ORICL) for Early Childhood Services: A tool for building capacity in infant and toddler educators
Notice bibliographique
Résumé
Child observation is a critical component of quality pedagogical practice in early childhood education and care (ECEC). Yet there are very few tools that support educators to systematically undertake observations to better understand the individual experiences of very young children within ECEC services. The ORICL (Observe, Reflect, Improve Children’s Learning) tool was co-designed by ECEC experts, service providers and educators to be used for this purpose by educators working with children aged under three years. It is a unique 117-item educator report across five domains of learning and well-being that rates the experiences of individual children, and the responses of educators and peers to the child’s initiatives, actions and communications. This paper describes the first feasibility study of ORICL in 12 ECEC services across Australia with a focus on the quantitative child data collected, and early psychometric properties of the tool. ORICL records were provided by 21 educators for a total of 66 children. Findings suggest that the ORICL items can be readily observed and rated by educators for children aged under three years, the rating scale is appropriate, and there is early evidence to support the domain structure of the tool. Further research on the ways such a tool can provide useful data for both educators and researchers, and stimulate enhanced practice in infant-toddler ECEC, is warranted.
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 | 0,051 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».