The impact of a tutoring program on teachers' development as literacy teachers
Notice bibliographique
Résumé
This is a qualitative inquiry concerning the impact of a tutoring program on student teachers' development as elementary school literacy teachers. Student teachers enrolled in a preservice education program tutored individual struggling literacy learners on a weekly basis as an extended fieldwork opportunity that differs from more traditional forms of practice teaching. A comprehensive review of the literature related to fieldwork sets the context for this particular type of experience. Prior to tutoring, the student teachers learned about current literacy theory on campus. Each student teacher then assessed, planned and taught an individual learner in an elementary school. Key research questions included: What did student teachers learn about becoming an effective literacy teacher through the tutoring experience? What were the student teachers' initial perceptions about literacy? In what ways were the knowledge and skills that were realized in the tutoring program different from those gained in the practicum setting? What were the benefits and challenges for the school/university partnership arising from involvement in the tutoring program? Using data such as in-depth interviews with six of the student teachers that participated in tutoring as well as artifacts such as assignments and reflection papers, it seems tutoring provides a valuable learning experience in helping student teachers forge theory/practice connections and move towards effective literacy teaching. Student teachers demonstrated learning in key areas such as assessment, reading and writing processes, meeting individual pupil needs, material selection, and literacy resources acquisition. They were able to implement a wide range of literacy strategies and evaluate the effectiveness of various strategies. A limitation of the study was the lack of opportunity for the tutors to engage in discussion with one another regarding issues such as planning instruction and meeting pupil needs.
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 | 0,007 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 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 ».