Multiple Perspectives on Teaching Excellence: a Case Study
Notice bibliographique
Résumé
Teacher compensation is the largest part of the monies spent by school boards in Ontario annually and currently all teachers are paid following a grid system that rewards teachers for time spent in the system rather than the quality of their work. For example, in 2018-19, the York Region District School Board’s instructional costs were 59% of their total budget at over 800 million dollars. An exemplary teacher costs the province and its school boards just as much as a poor one. Consider the possibility that teachers could be paid on a merit based model. There is currently no way to differentiate between poor and exemplary (or any other part of the spectrum) teachers. This research attempted to utilize an existing set of characteristics of excellence (Grieve 2010) to prepare a foundation upon which a methodology could be built to standardize a method to identify exemplary educators. The goal of this study was to understand the long-term perceived effect that George Turcotte has had on his students. Mr. Turcotte has been teaching elementary school in Kingston since 1966 and has taught in the public, the separate, and private systems over those years. He is widely acknowledged locally as an excellent teacher if not entirely unique. Any attempt to create a methodology of measuring excellence would need to include unique educators such as Mr. Turcotte.
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 | 0,013 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,030 | 0,012 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».