MétaCan
Menu
Retour à la cohorte
Enregistrement W4387876663 · doi:10.33902/jpr.202322739

Exploring teacher practices for enhancing student engagement in culturally diverse classrooms

2023· article· en· W4387876663 sur OpenAlexaffabout
Aloysius C. Anyichie, Deborah L. Butler, Samson Madera Nashon

Notice bibliographique

RevueJournal of Pedagogical Research · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEarly Childhood Education and Development
Établissements canadiensUniversity of British ColumbiaBrandon University
Organismes subventionnairesnon disponible
Mots-clésStudent engagementMathematics educationPedagogyPsychologySociology

Résumé

récupéré en direct d'OpenAlex

Self-regulated learning (SRL) and culturally responsive teaching (CRT) research, although from different viewpoints, both show instructional practices that enhance student engagement. This study examined the integration of self-regulated learning promoting practices (SRLPPs) and culturally responsive pedagogical practices (CRPPs) in the classroom context especially during a complex task. Using mixed-methods case study design, it explored how an elementary classroom teacher at a multicultural public school in the West Coast of Canada combined SRLPPs and CRPPs to support culturally diverse students’ engagement. Data were collected through:(a) classroom observations, (b) practice records and documents, (c) students’ work samples, (d) teacher interview, (e) student interviews, and (f) student surveys. Findings indicated that the teacher enacted integrated practices categorized as: (a) classroom foundational practices; (b) designed instructional practices; and (c) dynamic support practices. Also, students’ engagements related to their perceptions of teacher practices. Culturally diverse students were highly engaged in contexts with rich combinations of SRLPPs and CRPPs. Finally, this paper discussed the implications for theory (e.g., CRT, SRL), practice (e.g., an integrated pedagogy), and research (e.g., how to support culturally diverse learners’ engagement in contexts).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,261
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0180,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,847
Tête enseignante GPT0,628
Écart entre enseignants0,218 · 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 tête enseignante, pas un consensus.

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

Citations8
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Pedagogical ResearchMême sujetEarly Childhood Education and DevelopmentTravaux en français237 207