MétaCan
Menu
Retour à la cohorte
Enregistrement W2037226957 · doi:10.1080/01580370902927485

Stories return personal narrative ways of knowing to the professional development of doctoral supervisors

2009· article· en· W2037226957 sur OpenAlexfundno aff
Coralie McCormack

Notice bibliographique

RevueStudies in Continuing Education · 2009
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDoctoral Education Challenges and Solutions
Établissements canadiensnon disponible
Organismes subventionnairesMcGill University
Mots-clésStorytellingNarrativeReading (process)Professional developmentPedagogySupervisorContext (archaeology)Construct (python library)Personal developmentPsychologyNegotiationSociologyLiteratureComputer scienceArtLinguisticsHistoryManagementSocial science

Résumé

récupéré en direct d'OpenAlex

Storytellers have always known that there is more to a story than ‘just a good yarn’. It is through stories that individuals construct and reconstruct their sense of self as they learn ‘to be’ in the world. Learning through stories is common across a number of professional contexts. However, storied approaches are under-utilised in supervisor professional development programs. This paper argues that telling, receiving, reading, writing and re-writing stories can open to doctoral supervisors a way to negotiate the chaotic pedagogy of becoming and being a doctoral supervisor. Two examples of storytelling – interactive telling and reading of stories of research student experience and supervisor autobiographical writing – illustrate how the art of storytelling can return personal narrative ways of knowing to professional development in today's performance-driven higher degree by research context.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,421

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
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 Opus0,310
Tête enseignante GPT0,538
Écart entre enseignants0,228 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations29
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in Continuing EducationMême sujetDoctoral Education Challenges and SolutionsTravaux en français237 207