Femårig grunnskolelærerutdanning på masternivå – ny og utfordrende : Et følgeforskningsprosjekt ved Høgskolen i Østfold : Delrapport 2
Bibliographic record
Abstract
Følgeforskningsprosjektet MAGLU-forsk ble igangsatt sommeren 2018. Prosjektet ser på innføring av femårige grunnskolelærerutdanninger ved HiØ, og vil pågå til det første studentkullet som startet på MAGLU høsten 2017, har gjennomført sitt studium våren 2022. Dette er den andre delrapporten fra prosjektet. \n\nPå oppdrag fra dekan ved avdeling for lærerutdanning skal prosjektgruppen gjennomføre et følgeforskningsprosjekt på implementering av nye femårige grunnskolelærerutdanninger ved Høgskolen i Østfold \n\nGrunnskolelærerutdanningene for 1-7 og 5-10 ble fra høsten 2017 utvidet med ett år fra fireårige til femårige utdanninger. Formålet med innføring 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, programkoordinatorer og praksislærere opplever de femårige MAGLU-masterne ved HiØ.\n\nDen første delrapporten fra prosjektet kom i august 2019, og var basert på en spørreundersøkelse blant studentene som startet på MAGLU høsten 2017, gruppeintervjuer med studenter og individuelle intervjuer med programkoordinatorer (Afdal og Bjordal 2019). Denne delrapporten er basert på intervjuer med faglærere og praksiskoordinatorer fra HiØ og praksislærere ved skoler der studentene har hatt praksisstudier. \n\nRapporten er utformet av Hilde Afdal, Fred Rune Bjordal og Reidun Hoff-Jenssen.\nI arbeidet med rapporten har vi hatt samarbeid med Eva Maagerø, Ellen Rye og Birte Simonsen ved Universitetet i Sørøst-Norge (USN). Den samme intervjuguiden er brukt ved begge institusjonene, og en tilsvarende rapport som denne foreligger fra USN (Maagerø, E., Rye, E. & Simonsen, B. (2020).
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 | 0.009 | 0.016 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.013 | 0.006 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.006 |
| Insufficient payload (model declined to judge) | 0.089 | 0.019 |
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".