Exploring the adaptability of TeachABI as an online professional development module for high school educators
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Educators often lack the knowledge and resources to assist students with acquired brain injury (ABI). Teach-ABI, an education module, was created to help elementary school teachers support students with ABI in classrooms. This study examined the adaptability of Teach-ABI for high school educators. A qualitative descriptive study explored high school educators' (n = 9) experiences reviewing Teach-ABI and its adaptability for high school through semi-structured interviews. The interview guide was informed by implementation and adaptation frameworks. Transcripts were examined using directed content analysis. Teachers felt Teach-ABI was a good foundation for creating a high school-based education module. Adaptations were highlighted, such as streamlining content (e.g., mental health) and strategies (e.g., supporting test taking), to better meet educator needs. Using implementation science and adaptation frameworks provided a structured approach to explore the adaptive elements of Teach-ABI. The module was perceived as a suitable platform for teaching high school educators about ABI. Teach-ABI is an innovative, user informed education module, providing a multi-modal (e.g., case study, videos) and replicable approach to learning about ABI. Applying frameworks from different fields provides concepts to consider when tailoring resources to align with educator needs (e.g., grade, class environment) and facilitate innovation uptake.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle