Exploring creative thinking skills in PISA: an ecological perspective on high-performing countries
Notice bibliographique
Résumé
INTRODUCTION: Creative thinking is a growing focus in educational reforms worldwide. Extensive research explores its development, measurement, various conceptions, and pedagogical approaches like creative teaching and teaching for creativity. A significant development in this area was the inclusion of creative thinking as an innovation domain in the 2022 Programme for International Student Assessment (PISA). The PISA 2022 assessment sought to evaluate the ability of 15-year-old students across 64 jurisdictions to generate, evaluate, and improve original and diverse ideas. METHODS: This paper examines the key findings of the PISA 2022 creative thinking results from three high-performing jurisdictions in different parts of the world: Singapore, Canada, and Finland. We use Bronfenbrenner’s ecological perspective to understand the interplay of various systemic influences on students’ creative thinking abilities within these educational contexts. RESULTS: Our analysis, informed by Bronfenbrenner’s framework, highlights how different ecological systems may contribute to their observed outcomes. DISCUSSION: While acknowledging the complexities and potential pitfalls of directly transferring educational policies between countries, this paper discusses the implications of these findings for school education. We suggest that researchers, policymakers, and educators can gain valuable insights by examining the policies, contexts, and practices of these high-performing nations through an ecological lens, fostering a deeper understanding of how to nurture creative thinking in diverse educational settings.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,009 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,010 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».