Building Capacity for Deep Learning
Notice bibliographique
Résumé
Post COVID-19, gives school leaders the opportunity to build back a better school system focusing on the needs of students, preparing students to thrive in the 21st century by shifting from teacher-centred to learner-centred pedagogy. Changing teachers’ attitudes, beliefs, and skills to make this shift requires new learning through creating an effective professional learning environment. This organizational improvement plan explores how to build teacher capacity for 21st century learning at the Family of Independent Schools (a pseudonym) in Ontario through the creation of collaborative inquiry teams where teachers develop an individual and collective understanding of deep learning. Deep learning creates student-centred partnerships that integrate academics, well-being, and equity outcomes into regular classroom practices. Social cognitive theory is the theoretical framework that supports teacher learning through leveraging triadic reciprocal causation and its impact on teacher self-efficacy. Collaborative inquiry teams provide a structure for a professional learning environment where opportunities for enactive mastery, vicarious experiences, verbal persuasion and affective states support teachers’ self-efficacy as they change their skills, behaviours and attitudes. Transformational and instructional leadership practices focussing on building relationships, capacity and instructional structures are instrumental in supporting student learning by supporting teacher learning. A three-year implementation plan includes the change plan, a monitoring and evaluation framework and a persuasive and active communication plan to support the change. The organizational improvement plan concludes by considering ways to ensure the plan's sustainability over time.\nKeywords: 21st century learning, collaborative inquiry, deep learning, instructional leadership, self-efficacy, social cognitive theory, transformational leadership, triadic reciprocal causation
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,001 | 0,013 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».