MétaCan
Menu
Retour à la cohorte
Enregistrement W4415388274 · doi:10.1177/00169862251370673

What Really Happens in Gifted and Talented Education? A Portrait of Three States

2025· article· en· W4415388274 sur OpenAlexaff
Del Siegle, D. Betsy McCoach, Gregory T. Boldt, Rashea Hamilton, E. Jean Gubbins, Carolyn M. Callahan

Notice bibliographique

RevueGifted Child Quarterly · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueEducation, Achievement, and Giftedness
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésGifted educationComparabilityIdentification (biology)CurriculumPortraitService (business)Cluster grouping

Résumé

récupéré en direct d'OpenAlex

In this in-depth, multi-state study, we examined the current state of gifted and talented education identification procedures, service delivery, and curricula in three states. Overall, we found limited alignment between identification and programming. Although districts often identify students as gifted in mathematics and/or language arts, they seldom provide specialized gifted curricula corresponding to these talent areas. This misalignment between identification and services impedes the field’s ability to evaluate program effectiveness, underscoring the need for more cohesive policies and robust program evaluation. Identification of students for gifted services commonly occurs in Grades 2 or 3. Although teacher-rating systems are widely used for universal screening, we raise concerns regarding their comparability across different teachers. Pullout programs remain the dominant service model, followed by cluster grouping and push-in approaches. However, we question the effectiveness of gifted programming that offer only a few hours of services each week. Taken together, these findings underscore the importance of alignment between how students are identified and the scope, rigor, and duration of the services they receive.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,086
Score d'incertitude au seuil0,172

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,003
Communication savante0,0020,002
Science ouverte0,0000,003
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,305
Écart entre enseignants0,297 · 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'étudeObservationnel
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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGifted Child QuarterlyMême sujetEducation, Achievement, and GiftednessTravaux en français237 207