MétaCan
Menu
Retour à la cohorte
Enregistrement W2077514524 · doi:10.1080/13611260902860125

Being an expert mathematics online tutor: what does expertise entail?

2009· article· en· W2077514524 sur OpenAlexaff
Dragana Martinović

Notice bibliographique

RevueMentoring & Tutoring Partnership in Learning · 2009
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésTUTORPsychologyContext (archaeology)HonestyMathematics educationComputer sciencePedagogySocial psychology

Résumé

récupéré en direct d'OpenAlex

This article is derived from the qualitative portion of a larger study conducted on mathematics websites that provide expert volunteer help. Data consist of tutoring logs of five expert tutors from two help sites, plus interviews with these tutors. The researcher has employed theories about expertise in the educational domain to elicit details of individual coping strategies with challenges posed by the online environment, including students’ non‐responsiveness and issues of academic honesty. One of the participants, a recent online tutor who was also a teacher, experienced conflict of professional interests between these two roles. Tutors, who were also students, felt a conflict of liability – towards the tutees on one hand and towards the website administration on the other. Except for one tutor who demonstrated a highly developed expert performance, other tutors exhibited characteristics of both novices and experts, thus placing themselves within temporary and context‐dependent locations on the novice‐expert continuum. Recommendations are offered herein for future research and for the organization of online tutoring environment. It is suggested that best practices must include both pedagogical and tutor training/support considerations.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,007
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,033
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0030,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,082
Tête enseignante GPT0,430
Écart entre enseignants0,347 · 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 source (Gemma direct ou Codex distillé), 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

Citations13
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMentoring & Tutoring Partnership in LearningMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207