MétaCan
Menu
Retour à la cohorte
Enregistrement W2096771625 · doi:10.20343/teachlearninqu.3.2.37

Conceptualizing and Communicating SoTL: A Framework for the Field

2015· article· en· W2096771625 sur OpenAlexafffund
Janice Miller‐Young, Michelle Yeo

Notice bibliographique

RevueTeaching & Learning Inquiry The ISSOTL Journal · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensMount Royal University
Organismes subventionnairesMount Royal University
Mots-clésConceptualizationField (mathematics)DisciplineEngineering ethicsSociologyEpistemologyComputer scienceManagement scienceSocial scienceEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The emerging field of SoTL is an inherently interdisciplinary endeavor which requires embracing a diverse range of research methods and disciplinary differences in world views. This diversity has caused a lack of coherence in its conceptualization and communication, which can be confusing for new scholars. Ongoing debates in the community concern the use of theory and methodology, as well as definitional questions of what constitutes SoTL and the nature of its purpose. This article offers a framework for conceptualizing the field which attempts to broadly delineate the available learning theories underlying and methodologies appropriate to studying teaching and learning, while intending to be hospitable to a broad range of diverse disciplines. Further, the framework illustrates the tacit links between learning theories and methodologies, serving as a guide to potential approaches to SoTL work. The framework is illustrated with example SoTL studies. It is hoped that the framework will help ground future SoTL investigations in appropriate theories and methodologies, and build interdisciplinary communication and understanding in the “trading zone” that is SoTL.

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)0,043
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,228

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0430,027
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0120,007
Études des sciences et des technologies0,0110,114
Communication savante0,0230,039
Science ouverte0,0060,014
Intégrité de la recherche0,0100,013
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,209
Tête enseignante GPT0,490
Écart entre enseignants0,280 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations77
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTeaching & Learning Inquiry The ISSOTL JournalMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207