Professional learning communities: the journey from <i>‘do we HAVE to go there’</i> to <i>‘teachers getting together and being colleagues</i>
Notice bibliographique
Résumé
This paper explores persistent obstacles undermining in situ teacher professional development as well as possibilities for learning and growth in a professional learning community (PLC). We extend the existing scholarship in this field by examining how teachers' discursive practices can predict the success or failure of a PLC initiative. We used finegrained conversational analysis, focusing on teachers' talk to generate insights into how teachers position themselves and define their participation in a PLC, telegraphing possible outcomes of a PLC initiative. We followed the professional trajectories of four in-service high school science teachers over two years. We examined how their collaborative work shaped teachers' identities, practices, and agentive actions to elevate their classroom practice. Attending to teachers' discourses about their professional learning needs when inviting them to engage with their professional development is crucial for meaningful engagement in this process. Moreover, developing opportunities for them to take ownership of the PLC's structural underpinnings and lead their learning process help to generate productive learning spaces promoting professional growth. This research informs us how teachers can support each other in developing their identity and agency regarding their learning and engagement in pedagogic work.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,024 | 0,025 |
| Communication savante | 0,016 | 0,016 |
| Science ouverte | 0,002 | 0,020 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».