The student hat in professional development: Building epistemic empathy to support teacher learning
Notice bibliographique
Résumé
Abstract Professional development (PD) can support science teachers to learn about instructional reforms, but more work needs to be done on broadening our understanding of how specific PD activities support teacher learning. One understudied PD activity is the student hat: when teachers engage in student learning activities while considering ideas, language, and feelings students might have to build their empathy for how student experience reform instruction. Little is known about if and how student hat activities support teacher learning. I conducted a single embedded case study of a 2.5‐day PD for middle school science teachers using the OpenSciEd curriculum. I interviewed 12 participants to understand how they perceived the student hat activities and analyzed 36 hours of PD video, focusing specifically on moments in which participants struggled to act in student hat, to gain insights on how it helped them to learn. Teachers found student hat difficult, but it helped them better understand science ideas, their students, and the instructional approach. These learning outcomes likely occurred because of two mechanisms: creating a safe environment to be wrong and building epistemic empathy with students. By allowing teachers to feel safe expressing confusion with content ideas, the student hat helped teachers to build their science understanding. Developing teachers' epistemic empathy for students helped them to understand how students might think and feel while engaging in reform instruction.
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 | 0,007 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,013 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».