Exploring design discourses and liminality as features of professional learning in an elementary makerspace
Notice bibliographique
Résumé
Purpose Using Johansson-Sköldberg et al.’s (2013) descriptions of design discourses, this study aims to analyze teacher interviews, research notes and teacher and student artifacts to determine if engagement in design practices led to changes in the teacher’s thinking. Design/methodology/approach This article presents results from a year-long study that explored how a teacher enacted design discourses to engage in curriculum learning within an elementary school makerspace. The design-based study involved a collaborative partnership where a teacher and researcher co-designed, co-enacted and co-reflected on three cycles of making featuring curriculum studies in science, mathematics and social studies. Findings The authors determined that engagement in all four design discourses led to transformative changes in the teacher’s thinking about herself as a teacher and her students as learners. The evidence suggests the school makerspace can serve as a liminal design space for professional learning, given that implicit in the makerspace is the embodiment of design practices such as problem finding, iteration and reflection. Research limitations/implications Engaging in design discourses in the makerspace can lead teachers to question the frames they hold about teaching and learning. However, teachers need ongoing support in developing discipline knowledge and prioritizing the time required for designing, iterating and reflecting on learning in the makerspace. Practical implications The makerspace provides a liminal space for teachers’ professional learning in that implicit in the makerspace is the embodiment of design practices such as problem finding, iteration and reflection. Originality/value This study is unique, in that it places the importance of teacher learning in the elementary school makerspace on equal footing with student learning, thereby creating a culture of inquiry for all.
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 | 0,019 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,033 |
| Communication savante | 0,013 | 0,011 |
| Science ouverte | 0,002 | 0,014 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».