MétaCan
Menu
Retour à la cohorte
Enregistrement W4386225150 · doi:10.1080/17425964.2023.2250822

Place as Teacher: Community-Based Experiences, Third Spaces, & Teacher Education

2023· article· en· W4386225150 sur OpenAlexaffabout
Alison Leonard, Amy Burns, Erica R. Hamilton, Linda Taylor, Hilary Tanck

Notice bibliographique

RevueStudying Teacher Education · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIndigenous and Place-Based Education
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésTransformative learningTeacher educationPedagogySpace (punctuation)SociologyField (mathematics)Mathematics educationPsychology

Résumé

récupéré en direct d'OpenAlex

This study focuses on the systematic collective reflections of four teacher educators as they interrogate their own practice engaging in community-based settings, specifically considering how these settings can serve as an additional teacher. It is informed by a theory that centers educational experiences within the community and is guided by Gutiérrez’s use of the concept of third space. Connected to third spaces, the results of this study reveal that traditional PK-12 settings serve as the first spaces, the university teacher education programs as the second spaces, and the community-based settings as third spaces. Results showcase how these third spaces can be transformative for teacher educators as they consider preservice teachers’ learning. Findings are drawn from a 2-year collective self-study of four teacher educators facilitating community-based field experiences in the United States and Canada. Analysis of the teacher educator reflections of their observations revealed the transformative ways in which these community-based places, as separate and unique constructs, acted as a teacher for preservice teachers when working in community-based settings. This study presents arguments for integrating community-based field experiences within teacher education, particularly as such places can support and facilitate preservice teachers’ learning.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0180,019
Communication savante0,0070,005
Science ouverte0,0010,013
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,059
Tête enseignante GPT0,371
Écart entre enseignants0,312 · 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

Citations9
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStudying Teacher EducationMême sujetIndigenous and Place-Based EducationTravaux en français237 207