Fare scuola a classi aperte in rete. Sperimentazione di didattica condivisa in piccole scuole isolate e con pluriclassi
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In the school year 2020-2021, INDIRE launched in Italian small schools a pilot experimentation of a teaching method already validated in Québec and considered useful for overcoming the educational limits typical of remoteness scenarios (Mangione and Cannella, 2020). “Classi in rete” is characterized by a shared didactic practice where “delocalized” classes are involved in a common disciplinary path by adapting calendars, spaces, and teacher roles, using virtual twinning environments, videoconferencing and spaces for discussion such as the Knowledge Forum (KF) (Mangione and Pieri 2019; Mangione et al., 2021). The experimentation of the model in Abruzzo involved 12 small schools and is based on a design-based research methodological approach (Sandoval, 2014). This paper aims to answer the following questions: <br> Q1 Has the experience of networked classes fostered changes in the teaching practices and strategies of teachers?<br> Q2 Which are the elements that conditioned the teamwork in open classes?<br> The analysis uses a mixed method that integrates a standard search through data matrix and an interpretative search through group interviews aimed at the involved teachers and students. In fact, alongside a structured quantitative survey aimed at understanding the impact that the model had in the experimental classes in terms of collaboration, interdisciplinarity, reorganization of times and workspaces, we conducted a qualitative analysis based on focus groups with the teachers involved aimed at understanding to what extent the model has affected their propensity for change.<br>
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 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 découle