Lecciones grabadas en vídeo-conferencia: valoración de un programa de Formación del Profesorado
Bibliographic record
Abstract
Introducción. En este estudio, nueve maestros en prácticas dieron siete lecciones, por medio de conferencia por vídeo desde una Facultad de Educación, a estudiantes de primaria que se encontraban en su aula.Método. Las lecciones se grabaron y se archivaron; después fueron examinadas buscando evidencias de prácticas docentes buenas o pobres, según los indicadores de rendimiento definidos en el Manual de Evaluación del Rendimiento de Profesores de Ontario. El Manual con-tiene 37 indicadores en tres dominios de la docencia: conocimiento profesional, práctica docente, y compromiso con los alumnos y con su aprendizaje.Resultados. Las puntuaciones para los siete indicadores de conocimiento profesional fueron bajas, y el rendimiento en el dominio de la práctica docente fue irregular (9 bajo y 5 alto). El rendimiento de los maestros en prácticas fue alto para la mayoría (12 de 16) en los indicado-res del compromiso con los alumnos y su aprendizaje.Discusión. Se defiende que los resultados tanto buenos como pobres se pueden utilizar para dar dirección a una Facultad de Educación y poder modificar su programa hacia una mejor preparación de los futuros maestros.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".