Notice bibliographique
Résumé
Advances in developmental systems neuroscience (DSN) highlight plasticity, functional specialization, and executive-control dynamics, yet their translation into teacher education remains limited, particularly in inequitable contexts. This study evaluates the Neuro-Embedded Lesson Problem-Solving (NLPS) framework as a translational approach for developing equity-oriented problem-solving among novice early childhood teachers. A transformative mixed-methods field trial with 29 first-year preservice teachers in Southern Thailand implemented six NLPS workshops across eight weeks, addressing linguistic disadvantage, socio-emotional regulation, and resource constraints. Outcomes included a Rasch-calibrated Problem-Solving Competency (PSC) rubric, the Teacher Self-Efficacy equity subscale (TSE-equity), a composite Equity-Oriented Problem-Solving Index (EOPSI), and qualitative analyses of journals and concept maps. Bayesian paired-sample models showed credible improvements in PSC (Δ = 0.75), TSE-equity (Δ = 0.60), and EOPSI (Δ = 0.85). Qualitative findings revealed a shift toward DSN-informed, equity-centred reasoning and increased conceptual integration with “equity” as a central hub. Collectively, the results demonstrate that embedding DSN within structured problem-solving cycles can strengthen scientifically grounded and justice-responsive pedagogical orientations, particularly in Global South teacher-education contexts.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».