Radical neuroconstructivism: a framework to combine the how and what of teaching and learning?
Notice bibliographique
Résumé
Recent advances in pedagogical research have called attention to the dynamic nature of the teaching and learning process in which the actors mutually influence one another. The understanding of how this works in the brain—the specialized neural networks related to this process—is often limited to neuroscientists but are slowly becoming available to other learning scientists, including teachers. A transdisciplinary approach combining the best information about observable teaching-learning processes from education with newer information from the neurosciences may aid in resolving fundamental questions in the learning process. Teachers’ professional formation and development is often structured in segmented topical ways (e.g., pedagogy, evaluation, planning, classroom management, social–emotional learning), to identify important content knowledge (e.g., art, reading, mathematics, STEM), or to appreciate life skills (e.g., collaboration, critical thinking, social–emotional learning). While important, knowledge about the brain, the organ responsible for learning, is typically absent from teacher education. This paper reexamines the evidence from neuroconstructivism and the hierarchy of learning trajectories and combines it with evidence from psychology and the ways humans interact during the teaching-learning process to suggest radical neuroconstructivism as a framework within which to organize teachers’ professional development. The radical neuroconstructivism framework may contribute to making the content knowledge of teachers’ continual professional development more visible.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».