MétaCan
Menu
Retour à la cohorte
Enregistrement W4283769712 · doi:10.20360/langandlit29622

Reimagining Multiliteracies for Science and Mathematics Teacher Candidates during the Pandemic

2022· article· en· W4283769712 sur OpenAlexaffvenue
Tanya Manning-Lewis, Kathy Sanford

Notice bibliographique

RevueLanguage and Literacy · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology-Enhanced Education Studies
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésCurriculumLiteracyMathematics educationEthnographyRelevance (law)Scientific literacyPedagogyPandemicResistance (ecology)PsychologyCoronavirus disease 2019 (COVID-19)SociologyScience educationPolitical scienceMedicine

Résumé

récupéré en direct d'OpenAlex

The researchers used a duo-ethnographic approach to examine mathematics and science teacher-candidates (TCs) experiences with a Multiliteracies Across the Curriculum course during the pandemic and how the shift to online delivery impacted their attitudes. Through one researcher’s course reflections and students’ anonymous course survey comments in 2020, the research revealed that some TCs lack of exposure to literacy-based teaching impacted their literacy identities and initial resistance to the course. However, the shift to online learning, increased course relevance, exposure to diverse online methodologies and multiliterate tools seemed to have positively impacted mathematics and science TCs attitudes toward Multiliteracies Across the Curriculum compared to previous years.

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)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0100,003
Communication savante0,0040,002
Science ouverte0,0010,009
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,014
Tête enseignante GPT0,350
Écart entre enseignants0,336 · 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'étudeQualitatif
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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLanguage and LiteracyMême sujetTechnology-Enhanced Education StudiesTravaux en français237 207