MétaCan
Menu
Retour à la cohorte
Enregistrement W4378532416 · doi:10.1080/23752696.2023.2216190

Assessing the development of global competence in teacher education programmes: internal consistency and reliability of a set of rubrics

2023· article· en· W4378532416 sur OpenAlexaff
Davide Parmigiani, Aviva Bar Nir, Kate Ferguson‐Patrick, Alona Forkosh‐Baruch, Eileen Heddy, Maria Antonietta Impedovo, Marcea Ingersoll, Mellita Jones, Yael Kimhi, Mónica Lourenço, Suzanne Macqueen, Valentina Pennazio, Laura Sokal, Renáta Timková, Sina Westa, Gerd Wikan

Notice bibliographique

RevueHigher Education Pedagogies · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGlobal Education and Multiculturalism
Établissements canadiensUniversity of WinnipegSt. Thomas University
Organismes subventionnairesErasmus+European Commission
Mots-clésRubricCompetence (human resources)Internal consistencyPsychologyConfirmatory factor analysisExploratory factor analysisMathematics educationComputer scienceSocial psychologyStructural equation modelingPsychometricsDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

Global competence is a complex concept as it is multifaceted, composite, multi-layered, multidimensional, and can be viewed from several perspectives. A previous study validated a set of rubrics designed to assess pre-service teachers’ development of global competence. The research presented in this paper tested the internal consistency and reliability of the set of rubrics in order to create an instrument validated within the international context that was robust and consistent from a methodological point of view. The set of rubrics was self-administered online by 729 pre-service teachers studying in 12 teacher education programmes across 10 different countries around the world. The data analysis showed a high level of reliability and internal consistency of the rubrics, indicating their ability to assess pre-service teachers’ global competence. The exploratory and confirmatory factor analysis suggested changes to two areas of the rubrics.

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)0,036
score de la tête « metaresearch » (Gemma)0,061
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,191

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0360,061
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,002
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 Opus0,097
Tête enseignante GPT0,458
Écart entre enseignants0,361 · 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'étudeObservationnel
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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHigher Education PedagogiesMême sujetGlobal Education and MulticulturalismTravaux en français237 207