High school science teachers and their views on the problem-based learning approach: barriers to implementation
Notice bibliographique
Résumé
In this research I examined the implementation of the problem-based learning (PBL) approach, an innovation implemented as a part of the science education reform that Quebec, Canada, underwent in the last ten years. Throughout my research, I explore various approaches that three high school science teachers take in implementing PBL into their own teaching of the science curriculum. This research is focused on three detailed case-study of these teachers which includes interviews, classroom observations, co-creation and implementation of PBL units, examination of their concerns about the reform using the Sages of concerns model, and reflective journals. Four main findings emerging from the research are: (1) Teachers teach through some aspects of PBL but are unaware of the explicit mandate preventing them from creating lessons in accordance with this mandate. (2) Teachers are experiencing disconnect between the mandated PBL approach to teaching and the content-based mandatory final examinations. (3) Teachers cite a lack of proper financial resources, insufficient time and training as external barriers to the effective implementation of PBL. (4) Teachers cite personal resistance, lack of knowledge, training, and fear of the innovation as internal barriers. The barriers that teachers encounter emerging in this research can help curriculum developers in Quebec to have a better understanding of how to structure future reforms to ensure they are understood by the teachers. Exams mandated in Quebec should be structured in a way, which is more reflective of the curriculum currently employed, ensuring teachers see the value of the curriculum in relation to how the students will be evaluated.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».