MétaCan
Menu
Retour à la cohorte
Enregistrement W4411141239 · doi:10.1007/s42330-025-00367-z

Collaboration Counts: Sustained Success in Professional Learning Communities

2024· article· en· W4411141239 sur OpenAlexfundvenueno aff
Kelly McKie

Notice bibliographique

RevueCanadian Journal of Science Mathematics and Technology Education · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTeacher Education and Leadership Studies
Établissements canadiensnon disponible
Organismes subventionnairesFederation for the Humanities and Social Sciences
Mots-clésProfessional developmentProfessional learning communityAgency (philosophy)ConversationFaculty developmentCurriculumPedagogyValue (mathematics)PsychologySociology

Résumé

récupéré en direct d'OpenAlex

Abstract This study explores the long-term impact of a professional development initiative on four professional learning communities focused on enhancing the teaching of Grade 9 mathematics. Despite differing contexts and organizational structures, two essential features of professional development emerged as the most valued by participants: (1) opportunities for collaboration with peers and (2) a focus on content and pedagogy during collaboration. Over time, these collaborative learning experiences were credited by teachers with supporting sustainable changes in their instructional practices. Even 5 years after the initiative, participants reported sustained changes in classroom practices and school culture, highlighting the value of intentional collaboration on curriculum and pedagogy. This research also suggests that teacher agency may be an important component in professional development and supports the notion that effective professional development can lead to lasting change when it is designed around meaningful, content-specific collaboration. These findings contribute to the ongoing conversation about what makes professional development successful in improving teaching outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,101
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,101
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,002
Études des sciences et des technologies0,0050,003
Communication savante0,0080,005
Science ouverte0,0020,014
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,379
Écart entre enseignants0,341 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Science Mathematics and Technology EducationMême sujetTeacher Education and Leadership StudiesTravaux en français237 207