5-årig grunnskolelærerutdanning på masternivå - ny og utfordrende : Et følgeforskningsprosjekt ved Høgskolen i Østfold : Delrapport I
Bibliographic record
Abstract
Følgeforskningsprosjektet MaGlu-forsk ble igangsatt sommeren 2018. Prosjektet ser på innføringen av femårige grunnskolelærerutdanninger ved Høgskolen i Østfold (HiØ), og vil pågå til det første studentkullet som startet på femårig MaGlu høsten 2017 har gjennomført sitt studium våren 2022. Dette er den første delrapporten fra prosjektet. \nI utgangspunktet ble prosjektet initiert som et følgeforskningsprosjekt knyttet til implementering av nye femårige grunnskolelærerutdanninger på masternivå ved Universitetet i Sørøst-Norge (USN). Gjennom faglig samarbeid mellom forskere ved USN og Høgskolen i Østfold ble prosjektet utvidet til også å omfatte implementeringen av grunnskolelærerutdanning på masternivå ved HiØ. \n\nGrunnskolelærerutdanningene for 1-7 og 5-10 ble fra høsten 2017 femårige utdanninger der de tre første årene er på bachelornivå (syklus 1) og de to siste på masternivå (syklus 2). Formålet med innføringen av femårige grunnskolelærerutdanninger er at neste generasjon lærere skal få mer forskningsbasert kunnskap, mer faglig fordypning og mer praksis før de skal ut i jobb. Prosjektet ser på hvilken betydning innføring av femårig utdanning har for opplæringen (undervisning, arbeidsformer, vurderingsformer, praksisopplæring), samt hvordan studenter, faglærere, programkonsulent og studieledere og praksislærere opplever den femårige grunnskolelærerutdanningen ved HiØ. \n\nDenne delrapporten baserer seg på en spørreundersøkelse til alle studenter som begynte på femårig MaGlu 1-7 og 5-10 høsten 2017, altså det første kullet. Undersøkelsen ble gjennomført høsten 2018 etter at studentene nettopp var begynt på sitt andre studieår. I tillegg baserer den seg på gruppeintervjuer med 12 studenter, to studieledere og en programkonsulent. Til slutt i rapporten oppsummeres og diskuteres hovedfunnene i spørreundersøkelsen og intervjuene kort. Vi tar utgangspunkt i fire hovedtemaer i denne oppsummerende drøftingen: (1) rekruttering, (2) organisering og kommunikasjon, (3) fagligfordypning versus profesjonsretting og (4) fra fireårig til femårig lærerutdanning på masternivå. I tillegg legger vi frem anbefalinger for hvordan programmet og utdanningen kan utvikles videre. \n\nDenne rapporten er utformet av Hilde Afdal og Fred Rune Bjordal. I arbeidet med rapporten har vi hatt samarbeid Eva Maagerø, Tine S. Prøitz, Ellen Rye og Birte Simonsen \n\nved USN. Den samme spørreundersøkelsen og intervjuguide er brukt ved begge institusjonene, og en tilsvarende rapport som denne foreligger fra USN.
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 | 0.007 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.011 | 0.006 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.171 | 0.046 |
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".