"Frá fyrstu tíð þarf að halda vel utan um barnið" : reynsla umsjónarkennara í 3. bekk af kennslu nemenda með lestrarerfiðleika
Notice bibliographique
Résumé
Markmið þessarar rannsóknar var að kanna reynslu umsjónarkennara í 3. bekk af kennslu nemenda með lestrarerfiðleika. \nRannsóknin var gerð á árunum 2009-2012 og var aðferð Vancouver-skólans í fyrirbærafræði fylgt. Þátttakendur voru fimm umsjónarkennarar í 3. bekk. Rætt var við hvern þeirra tvisvar, vorið 2009 og aftur vorið 2012. Rannsóknarspurningarnar voru: \n•\tHver er reynsla fimm umsjónarkennara í 3. bekk af kennslu nemenda með lestrarerfiðleika? \n•\tHvað telja kennararnir að efli möguleika þeirra til að mæta þörfum nemenda með lestrarerfiðleika og hvað telja þeir að hafi hamlandi áhrif á það? \nHelstu niðurstöður voru þær að þátttakendur sögðu að fræðslu um lestrarerfiðleika hafi verið ábótavant í grunnnámi þeirra en að þeir hafi öðlast þekkingu með aukinni starfsreynslu og með markvissum vinnubrögðum sem skólarnir sem þeir starfa við hafa lagt áherslu á. Fjöldi nemenda í bekkjum var það mikill að kennararnir töldu sig ekki hafa nægjanlegt svigrúm til þess að sinna nemendum með lestrarerfiðleika eins vel og þeir myndu kjósa. Kennararnir töldu einkenni lestrarerfiðleika skýr strax á fyrstu misserum grunnskólagöngunnar og að fljótt þurfi að bregðast við þeim með markvissri kennslu og hvatningu þannig að nemendur missi ekki áhugann á lestrarnáminu. Árangursríkustu leiðirnar til þess voru að mati þátttakenda að nota fjölbreyttar kennsluaðferðir og fjölbreytt námsefni ásamt því að eiga gott samstarf við foreldra. Kennararnir sögðu að mikilvægi heimilanna væri ótvírætt og að heimanám í lestri þurfi að vera ánægjuleg athöfn en ekki kvöð. \nNiðurstöður vekja spurningar um hvernig hægt sé að hlúa að kennurum og nemendum á fyrstu árum grunnskólans þannig að hægt sé að mæta þörfum ólíkra nemenda í læsisnámi. Fáar rannsóknir hafa verið gerðar á reynslu kennara á þessu sviði og því ætti helsti ávinningur rannsóknarinnar að vera sjónarhorn þeirra á aðstæður og það má hafa til hliðsjónar þegar hugað er að úrbótum á innra starfi grunnskóla eða menntun kennara.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,002 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,189 | 0,093 |
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 ».