If You Choose Not to Decide: A Survey of Online Field Experiences for Canadian Teacher Preparation Programs
Notice bibliographique
Résumé
Despite the rapid growth in online and distance learning in Canada, there does not appear to be much interest on the part of teacher education programs to evolve to meet the needs of future generations of teacher candidates. While understanding the notion that systemic change in tertiary education takes time, the steady growth of online and blended learning in Canada–and globally–combined with raised awareness of distance learning stoked by the COVID-19 pandemic should make educators and policymakers worry about failing to respond to a rapidly changing educational landscape. This paper highlights the status of distance and online field experiences provided by Canadian teacher education programs. In addition, we review program offerings to support in-service teachers, such as graduate certificate, degree, and diploma programs, as well as MOOCs offering free professional development. This study, a replication of a mixed-method study originally conducted in the United States and published as a technical report by Archibald et al. (2020)[1], found that a minority of teacher education programs offered online or blended field experiences. Further, we found that programs were slow to change these deficiencies due to institutional lack of resources, limited knowledge base, perceived lack of usefulness for their teachers’ future careers, and regulatory bodies discouraging online field experiences. This study highlights the dramatic need for programming in distance and online education. [1] This article is original, with some exceptions in the “Results” section.
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 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 | 0,001 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».