MétaCan
Menu
Retour à la cohorte
Enregistrement W4292841255 · doi:10.3102/1428480

Facilitating Community-Based Field Experiences: Experiences From Children's Museums, a Museum School, and a Construction Site

2019· article· en· W4292841255 sur OpenAlexaffabout
Amy Burns

Notice bibliographique

RevueProceedings of the 2019 AERA Annual Meeting · 2019
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueMuseums and Cultural Heritage
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésField (mathematics)SociologyComputer scienceVisual artsMultimediaArt

Résumé

récupéré en direct d'OpenAlex

This paper will present the findings of a qualitative collective case study examining the experiences of four teacher educators who facilitate community-based field experiences for preservice teachers.Community-based field experiences are conceptualized as those occurring in community settings but outside the formal PK-12 educational system.The participants, three from the United States and one from Canada, were all responsible for the development and facilitation of the community-based experiences for their students.Through collaborative conversations spanning more than a year, two research questions were considered.In what ways do community-based field experiences enhance the work of teacher educators?In what ways do community-based field experiences challenge teacher educators' work?Both enhancements and challenges to the work of teacher educators are identified. ObjectiveWe know that early, diverse, and sustained field experiences are one element of a successful teacher education program (Darling-Hammond, 2006;Zeichner, 2010).However, contexts and experiences vary widely (Forzani, 2014; NCATE, 2010), which presents challenges for teacher educators as they decide how to best prepare preservice teachers using clinical, practice-based field experiences.Drawing upon the theory of practice-based teacher education and research associated with learning to teach in community settings, we conducted a collective case study of four community-based field experiences facilitated by separate teacher educators.

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)0,010
score de la tête « metaresearch » (Gemma)0,014
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 enseignants0,028
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,014
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0240,018
Communication savante0,0080,006
Science ouverte0,0030,014
Intégrité de la recherche0,0040,005
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 Opus0,011
Tête enseignante GPT0,208
Écart entre enseignants0,196 · 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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the 2019 AERA Annual MeetingMême sujetMuseums and Cultural HeritageTravaux en français237 207