Notice bibliographique
Résumé
Upon entering a school as a pre-service teacher you will encounter and observe teachers in action. Your observations will lead to an awareness of the many prerequisites required to educate students. These prerequisites are often labelled quite simply ‘teacher expertise’. Expertise, though, is not precise enough to communicate effectively what the observer has noted either overtly via observation or intuitively via reflection. The pre-service teacher needs to dialogue with expert teachers; however, education is fast-paced and leaves little time for discussion that is neither deep nor accurate because much of what expert teachers do is tacit, unnamed and complex. It is tempting for young teachers to try to emulate experienced educators because they see someone apparently experiencing none of the problems they seem to encounter. In other words, some veteran teachers inadvertently ‘ … reinforce the myth that “good ” teachers encounter few if any uncertainties in their everyday practice and by mitigating against raising questions about practice of self and/or others, the culture of teaching promotes isolation and the virtue of self-reliance ’ (Hannay, 1998: 19). Education does suffer from the ‘constraints of overload, isolation, and compartalization that are endemic to schools ’ (Earl & Cousins, 1995: 42). Therefore, pre-service teachers need to understand expertise before they enter classrooms, so that they can better identify, label and discuss their observations with mentors and peers. What follows are six constructs (see Figure 1) that provide useful concise descriptions of expertise and the associated traits that permeate each.
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 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,017 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».