MétaCan
Menu
Retour à la cohorte
Enregistrement W2019625273 · doi:10.5430/jnep.v2n3p54

Using Boyer to create a culture of scholarship: Outcomes from a faculty development program

2012· article· en· W2019625273 sur OpenAlexvenueno aff
Maryann O. Forbes, Jane H. White

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvaluation of Teaching Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScholarshipEconomic shortagePromotion (chess)Medical educationFaculty developmentMedicineSociologyPolitical sciencePsychologyProfessional developmentGovernment (linguistics)

Résumé

récupéré en direct d'OpenAlex

Background: The current nursing faculty shortage has created an urgent need to retain and mentor novice faculty members. Programs to foster faculty development related to scholarship should be part of a school’s overall strategic plan. Methods: This article presents a description of a faculty development program with outcomes regarding scholarship for a five year period. The Boyer model of scholarship was used as a framework to assess resources and also served as a guide for program development. The program was tailored to faculty needs and targeted specific aspects of Boyer’s domains; strategies were developed which promoted faculty growth in these areas. Specific activities were planned and implemented to accomplish the overall outcome of increasing faculty scholarship and create a research culture in the school. Results: The scholarship of discovery was a major area identified for faculty growth. The program goal of increasing faculty scholarship was achieved by an increase in the number of presentations, publications and funded projects for the faculty in the school over a five year period. Conclusions: Using the Boyer model as a framework assisted faculty in achieving a more positive view of their scholarship, facilitated preparation of meaningful dossiers for promotion and tenure decisions, and contributed to knowledge development in the discipline.

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)0,004
score de la tête « metaresearch » (Gemma)0,012
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,663
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,003
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,542
Tête enseignante GPT0,625
Écart entre enseignants0,083 · 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'étudeQualitatif
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

Citations3
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and PracticeMême sujetEvaluation of Teaching PracticesTravaux en français237 207