MétaCan
Menu
Retour à la cohorte
Enregistrement W1542680550 · doi:10.21432/t27c7m

Highly Relevant Mentoring (HRM) as a Faculty Development Model for Web-Based Instruction / Highly Relevant Mentoring (HRM) (mentorat haute efficacité), un modèle de formation du corps professoral à l’enseignement en réseau

2012· article· en· W1542680550 sur OpenAlexaffvenueabout
Lorraine Carter, Vincent Salyers, Aroha Page, Lynda Williams, Liz Albl, Clarence Hofsink

Notice bibliographique

RevueCanadian Journal of Learning and Technology · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueReflective Practices in Education
Établissements canadiensUniversity of Northern British ColumbiaLaurentian UniversityBritish Columbia Institute of TechnologyNipissing University
Organismes subventionnairesnon disponible
Mots-clésProfessional developmentHuman resource managementPedagogySociologyHumanitiesLibrary sciencePsychologyKnowledge managementComputer sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

This paper describes a faculty development model called the highly relevant mentoring (HRM) model; the model includes a framework as well as some practical strategies for meeting the professional development needs of faculty who teach web-based courses. The paper further emphasizes the need for faculty and administrative buy-in for HRM and examines relevant theories that may be used to guide HRM in web-based teaching environments. Of note is that HRM was conceived by the instructional design staff who contributed to this paper before the concept of high impact mentoring appeared in the recent literature (2009). While the model is appropriate in various disciplines and professions, the examples and scenarios provided are drawn from a Canadian university’s experience of using HRM, in conjunction with a pedagogical approach called ICARE, in a variety of nursing courses and programs. Cet article décrit un modèle de formation du personnel enseignant intitulé « highly relevant mentoring (HRM) » (mentorat haute efficacité); ce modèle comprend une structure et des stratégies pratiques visant à combler les besoins en formation du corps professoral d’une faculté offrant des cours en réseau. L’article souligne la nécessité d’un appui facultaire et administratif au HRM et étudie les théories pertinentes pouvant servir à guider le HRM dans des milieux d’enseignement en réseau. On notera que le HRM a été conçu par l’équipe de conception de matériel pédagogique qui a contribué à cet article avant l’apparition, dans les publications récentes (2009), du concept de « high impact mentoring » (mentorat à haut rendement). Bien que ce dernier modèle convienne à diverses disciplines et professions, les exemples et les scénarios fournis ici sont tirés de l’expérience d’utilisation du HRM dans une université canadienne, conjointement à une approche pédagogique appelée ICARE, dans une variété de cours et de programmes de sciences infirmières.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,789
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,040
Tête enseignante GPT0,315
Écart entre enseignants0,275 · 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'étudeSans objet
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

Citations6
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Learning and TechnologyMême sujetReflective Practices in EducationTravaux en français237 207