Beyond Representations: How Teachers’ Epistemologies of Models Shapes Students’ Engagement with Scientific Modeling
Notice bibliographique
Résumé
Modeling is an important part of science education, with an “epistemology of models” underpinning modeling practices. While teacher professional development may emphasize the representational aspects of models, it may also overlook teachers’ epistemological understandings of models and its impact on teaching modeling as a practice. This study investigated how teachers’ epistemologies influence students’ development of models. We examined three science teachers’ epistemological perspectives on models, focusing on dimensions such as their understanding of the nature and purpose of the models, model multiplicity, evaluation, and changeability. Data from teachers’ interviews and classroom observations of teachers were analyzed using cross-case analysis. The results revealed that teachers’ epistemologies of models appeared to be manifested through two apparent paradigmatic lenses, primarily positivism and constructivism. Teachers operating with mainly constructivist perspectives encouraged students to build, evaluate, and revise models based on empirical evidence and scientific consensus. Conversely, those with mainly positivistic perspectives engaged students in model creation, primarily for verification or confirmation. Our findings indicate that two teachers sought evidence to support models, explored multiple models, and encouraged interpretive explanations, whereas one converged on existing “single-form” models. This study contributes to current understandings of the role of teachers’ epistemologies as part of their professional knowledge, highlighting its importance in shaping effective science education and model-based teaching.
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 | 0,011 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 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 ».