MétaCan
Menu
Retour à la cohorte
Enregistrement W4387221267 · doi:10.21556/edutec.2023.85.2845

Empowering Future Educators: Leveraging Openness by Design when Integrating Technology in Teacher Education Programs

2023· article· en· W4387221267 sur OpenAlexaffabout
Michael Paskevicius

Notice bibliographique

RevueEdutec Revista Electrónica de Tecnología Educativa · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpen Education and E-Learning
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésOpenness to experienceOpen educational resourcesTeacher educationEducational technologyPedagogyOpen educationMathematics educationPsychologySociologyEngineering ethicsEngineering

Résumé

récupéré en direct d'OpenAlex

Teacher educators who design and teach educational technology courses have an important role to play in developing thoughtful approaches to using educational technology in teaching and learning through the development of digital literacies that make use of accessible, meaningful, and pedagogically appropriate technology. Several researchers have argued that K-12 teachers are well suited to both adopt and develop aspects of open education by growing awareness of open educational resources and practices. This paper aims to articulate the potential, gaps, and opportunities for teacher educator programs to bring aspects of open education into teacher training. Based upon a small survey with students in a teacher education program in British Columbia Canada, gaps in knowledge among teacher candidates are identified and reflections from participants provides motivation to consider how open educational resources and practices might be further integrated into teacher education programs. Kahle’s (2008) design philosophy approach is recommended and discussed based on the results with a focus on using technology to prioritize openness that aligns well to prominent themes in teacher education programs.

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)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,191

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0360,036
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,012
Communication savante0,0120,012
Science ouverte0,0020,012
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,016
Tête enseignante GPT0,305
Écart entre enseignants0,289 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEdutec Revista Electrónica de Tecnología EducativaMême sujetOpen Education and E-LearningTravaux en français237 207