MétaCan
Menu
Retour à la cohorte
Enregistrement W1496843512 · doi:10.32920/21737363

Building Scholarly Communities: Lessons Learned

2022· preprint· en· W1496843512 sur OpenAlexaboutno aff
Balbir Kaur Gurm, Elaine Van Melle, L.P. Cooper, Alan Kalish, Alice Macpherson, Andy Leger, Denise Stockley, Dennis K. Pearl, Elaine Decker, Jacqui Gingras, Jane MacKenzie, Joy Mighty, Theresa Johnson

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueEvaluation of Teaching Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScholarshipScholarship of Teaching and LearningInstitutionQueen (butterfly)State (computer science)SociologyLibrary scienceHigher educationPolitical scienceManagementPedagogySocial scienceTeaching methodTeaching and learning centerLaw

Résumé

récupéré en direct d'OpenAlex

<p>This is a synthesis article of the experience of six post-secondary institutions, Kwantlen Polytechnic University, Queen’s University, Ryerson University, Southeast Missouri State University, University of Glasgow, and The Ohio State University (the coordinating institution) that were brought together by the Carnegie Academy for the Scholarship of Teaching and Learning (CASTL ) under the Institutional Leadership initiative entitled Building Scholarly Communities. Over a four year period, these institutions, through the leadership of key individuals and with the support of teaching and learning centres at their institutions, worked to create a culture where the Scholarship of Teaching and Learning (SoTL) would be seen to be as important as the scholarship of discovery (research). In this synthesis article, common themes and unique experiences are identified based on the stories of the individual institutions. As well, challenges and lessons learned are described. </p>

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,850
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,000
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0000,004
Charge utile insuffisante (le modèle a refusé de juger)0,0190,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,498
Tête enseignante GPT0,552
Écart entre enseignants0,055 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEvaluation of Teaching PracticesTravaux en français237 207