Evaluating Online Environments for Elementary Teachers’ Literacy-Oriented Professional Learning
Notice bibliographique
Résumé
As elementary teachers increasingly turn to online environments for their literacy-oriented professional learning, evaluating website quality is of growing importance. Using screen capture recordings of participants’ navigations, the purpose of this study was to identify the types of online learning environments that elementary teachers use to enhance their literacy practice as well as to evaluate website quality. Findings reveal that teachers access ten main types of online environments. Those that were resource-based were accessed with the highest frequency despite having the lowest quality. Implications for the design of online learning environments as well as self-directed learning are explored in depth. Keywords: teacher professional development; teacher professional learning; self-directed learning; website evaluation; literacy Comme les enseignants du primaire se tournent de plus en plus vers les environnements en ligne pour leur apprentissage professionnel axé sur la littératie, l'évaluation de la qualité des sites Web revêt une importance croissante. Reposant sur des enregistrements de captures d'écran de la navigation des participants, l'objectif de cette étude était d'identifier les types d'environnements d'apprentissage en ligne que les enseignants du primaire utilisent pour améliorer leur pratique de l'alphabétisation ainsi que d'évaluer la qualité des sites Web. Les résultats révèlent que les enseignants accèdent à dix types principaux d'environnements en ligne. Ceux qui sont basés sur les ressources sont les plus utilisés, même si leur qualité est la plus faible. Les implications pour la conception d'environnements d'apprentissage en ligne ainsi que pour l'apprentissage autodirigé sont explorées en profondeur. Mots clés : développement professionnel des enseignants ; apprentissage professionnel des enseignants ; apprentissage autodirigé ; évaluation des sites Web ; alphabétisation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».