Lecturer’s Gender and their Valuation of Student Evaluation of Teaching
Notice bibliographique
Résumé
Student evaluation of teaching (SET) is carried out every semester at Malaysian universities and lecturers are evaluated based on student ratings. But very little is researched about what lecturers actually think about SET and whether it serves any meaningful purpose at all. This quantitative study involving six public universities on the East Coast of Peninsular Malaysia examines the extent to which male and female lecturers value their student evaluations of teaching (SET) and if their valuations differ significantly by gender. The study also elicits perceptions of male and female lecturers on the formative and summative functions the SET serves. A survey questionnaire comprising 29 Likert-scale items was employed to obtain data for this study. The respondents comprised 137 language instructors of English and Arabic proficiency courses for undergraduates from those six universities. Data were analysed descriptively and inferentially using descriptive statistics and independent sample t-test. The study produces several outcomes. The study found that although male lecturers value SET higher than their female colleagues, no significant differences are observed in their valuation of SET by gender. Also of significance is the observation that lecturers of both gender found SET more useful for formative rather than summative functions. This study itself is significant in order to understand the lecturers’ perceptions of SET which will stimulate further discussions and thinking around the issue of strengthening the teaching practice as SET itself can be an effective tool for lecturer’s development if lecturers themselves understand and value the process.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».