Promoting the transfer of learning among school staff following an online asynchronous training on dating violence prevention: A mixed-methods study
Notice bibliographique
Résumé
The SPARX team responded to the scarcity of training available to school staff concerning dating violence prevention by developing an innovative asynchronous online training program as one facet of their broader initiative. This mixed-methods study aimed to fill the existing gap in the literature regarding the factors influencing the transfer of learning, with two primary objectives. First, it sought to investigate how transfer culture and perceived social support from colleagues and school principals influenced school staff’s intention to transfer learning post-online training. Second, it aimed to uncover the barriers and facilitators associated with learning transfer six months post-training. Engaging 101 school staff members, the research utilized an online questionnaire to evaluate their intentions to transfer learning from the SPARX program’s School Staff component. Regression analysis was used to identify variables predicting intention to transfer, complemented by a qualitative multiple-case study approach focusing on the experiences of a teacher, school counsellor, and school administrator. Findings highlighted that perceived support from colleagues and opportunities to implement new skills significantly predicted a greater intention to transfer learning. In contrast, mutual support for collective learning predicted a lower intention to transfer. Key barriers included perceptions of sole responsibility for implementation and resource constraints, whereas facilitators encompassed access to human, financial, and material resources. Results underscore the pivotal role of environmental factors in promoting learning transfer within school settings, emphasizing the importance of perceived support from colleagues and advocating for a transfer culture characterized by delegated responsibilities, turnkey activities, and dedicated time for learning transfer.
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 | 0,012 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».