MétaCan
Menu
Retour à la cohorte
Enregistrement W4302282129 · doi:10.1111/modl.12792

In it Together: Teachers, Researchers, and Classroom SLA

2022· article· en· W4302282129 sur OpenAlexaff
Nina Spada, Patsy M. Lightbown

Notice bibliographique

RevueModern Language Journal · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensConcordia UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPatienceMathematics educationPsychologyPedagogyTerm (time)Social psychology

Résumé

récupéré en direct d'OpenAlex

Abstract In discussions about relationships between research and pedagogy, teachers and researchers are often characterized as facing each other across a “gap” that separates them. Teachers are described as having practical concerns about their own classrooms and little patience for “theoretical” issues. Researchers are described as removed from day‐to‐day classroom concerns and oriented to more abstract factors that, if not “universal,” are at least “generalizable.” In reality, many researchers share with teachers the goal of making teaching and learning as successful as possible. What they learn from each other can help them reach that goal. In this article, we discuss 3 guiding principles that help to create the conditions for productive collaboration: (a) build trust and long‐term relationships, (b) build and share knowledge, and (c) follow up and provide feedback. We describe how the cycle of observation, correlation, and experimentation influenced our research and created opportunities to investigate questions that were of interest to us as researchers and relevant to teachers’ goals. We use examples of our own studies and those of other researchers who have engaged in long‐term teacher–researcher collaborations, illustrating how the research–pedagogy link can be strengthened.

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)0,074
score de la tête « metaresearch » (Gemma)0,148
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 enseignants0,074
Score d'incertitude au seuil0,393

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0740,148
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,004
Études des sciences et des technologies0,0330,038
Communication savante0,0350,023
Science ouverte0,0040,032
Intégrité de la recherche0,0060,014
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,067
Tête enseignante GPT0,420
Écart entre enseignants0,354 · 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

Citations28
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Language JournalMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207