Predicting teachers' research reading: A machine learning approach

In addition to pre- and in-service teacher education programmes, teachers' autonomous reading of content related to their work contributes significantly to their professional development. This study investigated the factors that influenced the professional reading of 10,469 language teachers in the 2018 dataset of the Programme for International Student Assessment (PISA). Two machine learning models - logistic regression and Support Vector Machines (SVM) - were used to classify light and heavy readers. Nineteen variables related to teachers, including various aspects of their life, education and instructional practices, were used as predictors for classification. The results indicate that the two models had very similar accuracy scores around 65%. Moreover, the length of the reading texts that teachers assign to their students, instruction of reading comprehension strategies, and teachers' own general reading habits were found to be the most important predictors of professional reading time. Pr & eacute;dire les lectures professionelles des enseignants : approche par l'apprentissage machine - En plus des programmes de formation initiale et continue des enseignants, le choix autonome qu'ils font des lectures li & eacute;es & agrave; leur activit & eacute; professionnelle favorise consid & eacute;rablement leur & eacute;volution professionnelle. La pr & eacute;sente & eacute;tude examine les facteurs ayant influ & eacute; sur les lectures professionnelles de 10 469 professeurs de langues, & agrave; la lumi & egrave;re des donn & eacute;es recueillies en 2018 dans le cadre du Programme international pour le suivi des acquis des & eacute;l & egrave;ves (PISA). Deux mod & egrave;les d'apprentissage - celui de la r & eacute;gression logistique et celui des machines & agrave; vecteurs de support ou s & eacute;parateurs & agrave; vaste marge (en anglais support-vector machine, SVM) - furent utilis & eacute;s pour & eacute;tablir des cat & eacute;gories des lecteurs occasionels et des lecteurs avidus. Dix-neuf variables li & eacute;es aux enseignants, entre autres diff & eacute;rents aspects de leur vie, leur formation et leurs pratiques p & eacute;dagogiques furent utilis & eacute;es comme indicateurs pr & eacute;visionnels pour cette classification. Les r & eacute;sultats indiquent une tr & egrave;s grande similitude des scores de pr & eacute;cision avoisinant les 65 % pour les deux mod & egrave;les. En outre, la longueur des textes que les enseignants donnent & agrave; lire & agrave; leurs & eacute;l & egrave;ves, l'enseignement des strat & eacute;gies de compr & eacute;hension de la lecture et les habitudes globales de lecture des enseignants se sont r & eacute;v & eacute;l & eacute;s & ecirc;tre les principaux indicateurs pr & eacute;visionnels de leur temps de lecture professionnelle.