MétaCan
Menu
Retour à la cohorte
Enregistrement W4283275667 · doi:10.29173/ijll10

Design-based Professional Learning: A Promising Approach to Continuous Professional Learning

2022· article· en· W4283275667 sur OpenAlexaff
Sharon Friesen, Barbara Brown

Notice bibliographique

RevueInternational Journal for Leadership in Learning · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésProfessional learning communityAgency (philosophy)ConstructiveProfessional developmentLearning designCollaborative learningLearning sciencesExperiential learningActive learning (machine learning)Process (computing)Educational technologyPsychologyPedagogyKnowledge managementComputer scienceMathematics educationSociologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Collaborative professionalism engages teachers and other educators in the processes of documenting and presenting evidence arising from their practice, engaging in deep and demanding dialogue with colleagues, seeking and receiving constructive and productive feedback, and engaging in continuous collaborative inquiry. A design orientation that engages educators in such a process is design-based professional learning. While the overall design of the professional learning is consistent across contexts, three key features are unique to each design—situativity, the cyclical nature of learning and change, and agency. These three features are used to describe two cases of design-based professional learning in two different contexts. Based on 715 teachers, and school and district leaders’ learning engaged in design-based professional learning, we conclude that design-based professional learning provides a promising approach to professional learning.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,670
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0160,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,009
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,258
Tête enseignante GPT0,439
Écart entre enseignants0,182 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Leadership in LearningMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207