Inclusion & inquiry-based learning: bridging the gap
Notice bibliographique
Résumé
Inclusive education, practices and strategies continue to be a sought-after goal in our ever-changing early years classrooms in Canada. While there has been a considerable amount of research done to advocate for inclusion and likewise for inquiry-based instruction, the research connecting both is limited. A professional development series based on the stages of the Appreciative Inquiry (AI) methodology was offered over three sessions to the professional staff in a rural, Manitoba kindergarten to grade four school to answer the following question: How is our early years school effectively supporting all students through inquiry-based learning? The 17 staff members along with the professional development facilitator/researcher completed the Discovery, Dream, and Design stages in formal sessions and have committed to the ongoing Destiny stage of identified goals. Data was collected through participant artifacts, completed activity forms, and the researcher’s journal. Six common themes emerged from the Discovery and Dream stages: community, collaboration, student engagement, deeper learning opportunities, diverse perspectives, and the impact of physical environments. Based on these themes a set of four collective goals were established: planning for all is integral to inclusive schools, teaching practices and strategies must be supported by an inclusive learning environment, a student’s strengths and contributions are celebrated and acknowledged, and creating diverse communities which foster positive student relationships are all integral to inclusive inquiry-based classrooms. As AI is a continuing and cyclical process, the Destiny stage will continue to evolve and change with the current needs of the school.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».