MétaCan
Menu
Retour à la cohorte
Enregistrement W4307131508 · doi:10.5430/wje.v12n5p19

Perceptions of Primary School Teachers Regarding the Implementation of Differentiated Instruction to Students with Learning Difficulties

2022· article· en· W4307131508 sur OpenAlexvenueno aff
Anastasia Papanthymou, Μαρία Δάρρα

Notice bibliographique

RevueWorld Journal of Education · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Teacher Training
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDifferentiated instructionMathematics educationPaceClass (philosophy)PsychologyPerceptionProcess (computing)Teaching methodPedagogyMedical educationComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

The main purpose of this paper is to investigate the perceptions of primary school teachers of all specialties in the Dodecanese (Greece) regarding the implementation of differentiated instructional strategies to support students with learning difficulties in the classroom. The research was conducted through quantitative approach using an anonymous electronic questionnaire on a sample of 174 primary school teachers of all specialties in the Dodecanese, during the period from February 13, 2021 to April 28, 2021. As for «content differentiation», the strategy most frequently used by teachers is the selection of the most crucial assignments for underachieving students with learning difficulties. As for «process differentiation», the strategy most often used is to adjust the pace of instruction to each student’s needs with learning difficulties. Regarding the «product differentiation», the strategy most used by teachers is to offer extra support to students with learning difficulties, who have difficulty finishing activities. In terms of «assessment differentiation», the strategy most frequently used is to give more time to students with learning difficulties to complete tasks or exams, while, in terms of «learning environment», the strategy most commonly used by teachers is to make a conscious effort to ensure that students engage consistently and fairly in class.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,024
Tête enseignante GPT0,364
Écart entre enseignants0,340 · 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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of EducationMême sujetEducation and Teacher TrainingTravaux en français237 207