Lo scenario internazionale delle piccole scuole: un’analisi relativa al ruolo delle TIC
Bibliographic record
Abstract
Le piccole scuole, che si caratterizzano per la forte presenza delle pluriclassi, sono un fenomeno diffuso a livello mondiale (Hattie, 2002; Kalaoja & Pietarinen, 2009; Little, 2001; Smit & Engeli, 2015). L'assenza in Italia di studi comparativi ha motivato il gruppo di ricerca di INDIRE all'avvio di una rassegna internazionale circoscritta a tre paesi (Francia, Québec e Marocco) molto diversi tra loro dal punto di vista sociale, economico e culturale ma con una presenza significativa di piccole scuole. Questa analisi permette oggi di comprendere e mettere a confronto elementi didattici, organizzativi, strumentali, sociali e di sviluppo professionale come fattori chiave per poter inquadrare e comprendere le strategie di gestione e di sostegno promosse a livello sia top down che bottom up nei vari paesi. Il lavoro permette inoltre di far emergere spunti interessanti che consentono alla ricerca italiana di intraprendere interventi sul campo e promuovere raccomandazioni politiche atte a migliorare le policy nazionali e sostenere un percorso che guarda alla qualità formativa e alla sostenibilità dei presidi culturali nei territori periferici grazie in particolare al supporto delle tecnologie \ndell'informazione e della comunicazione (TIC).
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.030 | 0.003 |
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".