Misleading Opportunities: a case-study on the influences of global competency frameworks within Ontario initial teacher education
Notice bibliographique
Résumé
Initial teacher education (ITE) programmes are called upon to prepare teachers to support K-12 students facing the complex challenges of a globally connected world. One approach to global learning has been through the diverse and contested field of global citizenship education (GCE). More recently, policy actors have introduced global competency frameworks intending to influence educational practice to prepare “youth for an inclusive and sustainable world” (OECD, 2018). This study appraises the influences of Ontario-based global competency frameworks on teacher candidates’ (TCs’) understanding and practice of GCE during their ITE programme. Wary of the longstanding critiques of the “theory-practice gap” in teacher education, the study focuses on how teacher candidates interpret and apply global competency frameworks to guide their learning and pedagogical development during their programme. The qualitative case study critically presents global competency frameworks and examines data collected from TCs’ course assignments and interviews. The analysis of this data foregrounds TCs’ perspectives and is informed by qualitative content analysis and core elements in Canadian GCE. The thesis shows that while TCs adopt the Ontario global competency frameworks as reflective tools that open space for GCE, their interests, experiences, and identities significantly inform their pursuit of GCE in schools. As a tool, the frameworks act as ‘soft levers’ – soft in both the degree of their influence and the kind of GCE they promote (Andreotti, 2006) as they are populated with discursive orientations that emphasize skills for the global marketplace and distract attention from global issues and content. The study draws attention to the limits of approaching ITE research from a “theory-practice” binary. It sheds light on the agentic dimensions of teacher candidates during their teacher education programmes.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,030 | 0,011 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 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 ».