Re‐imagining professional learning communities in education: Placing teacher leadership in <scp>STEM</scp> context
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
Abstract This conceptual analysis paper discusses the characteristics of teacher leadership (TL) in Science, Technology, Engineering, and Mathematics (STEM) education, presenting benefits for its development within the professional learning communities (PLCs). We describe our STEM education approach and argue that TL in STEM is different and more complex than leadership in any particular discipline. We compare two pathways for STEM learning and professional development (PD): engineering design approach and modeling approach. Then, we answer two research questions pertaining to the characteristics of STEM teacher leaders' (TLRs) knowledge, dispositions, and skill set; the support TLRs need to empower STEM educators; and consequently, we discuss how PLCs can become vehicles for growing STEM TLRs and empowering teachers. When promoting integrated STEM, educators likely find themselves in an out‐of‐field teaching situation, where communication with their PLC's leaders and peers is crucial in developing epistemological multiliteracy and confidence. We elaborate on the four main characteristics of STEM PLCs: (1) collaborative nature; (2) focus on boosting teachers' pedagogical content knowledge and confidence; (3) evidence‐based decision making; and (4) advocacy for high‐quality STEM education, teacher education, and PD. Each feature serves different but complementary goals, suitable for developing and utilizing the seven dimensions of TL discussed in the literature.
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 | 0,005 | 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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