MétaCan
Menu
Retour à la cohorte
Enregistrement W4402596430 · doi:10.33524/cjar.v24i2.677

Collaborative Action Research in a Northern Early Childhood Educator Program: Professional Learning of Instructors and Interns

2024· article· en· W4402596430 sur OpenAlexafffundvenue
Erica McDonald, Charlene Simpson, S. L. McGregor, Shelley Stagg Peterson, Nazila Eisazadeh

Notice bibliographique

RevueThe Canadian Journal of Action Research · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation Systems and Policy
Établissements canadiensUniversity of TorontoAurora College
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésAction researchProfessional developmentPedagogyAction learningFaculty developmentPsychologyProfessional learning communityMedical educationEarly childhoodEarly childhood educationMathematics educationTeaching methodMedicineCooperative learningDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

This collaborative action research, carried out by early childhood education interns, with the support of their instructor and two university researchers, shows the empowerment of postsecondary students that occurs when they are responsible for designing and implementing research projects tailored to their placement contexts. The early childhood educator interns took up a stance as reflective practitioners who developed professional skills and knowledge in an area that was meaningful to them—teaching young children their Indigenous language. The interns shared responsibility for their learning with their instructor, who was also conducting research into her practice, gathering data to identify the impact of her new teaching approach on interns’ learning. The simultaneous use of collaborative action research methods at the instructor and intern levels provides research-based information for the larger professional field. Additionally, the college instructor and the student interns are positioned as research-practitioners who use action research to support their professional growth.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,495
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,166
Tête enseignante GPT0,533
Écart entre enseignants0,367 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Action ResearchMême sujetEducation Systems and PolicyTravaux en français237 207