Impacts of Training on Knowledge Dissemination and Application among Academics in Malaysian Institutions of Higher Education
Notice bibliographique
Résumé
This paper explores the linkage of knowledge dissemination and the application of new knowledge in teaching and learning practices. A survey data were collected from 519 academics from all the Malaysian public and private institutions of higher learning (IHLs) during the teaching and learning trainings offered by the Academy of Leadership in Higher Education Malaysia, known as the Akademi Kepimpinan Pengajian Tinggi Malaysia (AKEPT). Three out of ten behavioral actions were found to have a significant change in behaviors at the workplace: keep-up with the institutional change process, p=0.037, involvement in departmental change, p=0.027 and confidence in decision-making, p=0.037. The seven insignificant behavioral actions were asking peers and colleagues for suggestions, involvement of colleagues in the change process, reluctance in making decisions, holding group meeting, taking time to transform plan into action, and taking time to reflect the consequences of making decisions. These findings raise awareness and provide initial guidelines for AKEPT to develop appropriate strategies to ensure that the knowledge dissemination processes lead to the application of new knowledge. Further exploration of the formulation of comprehensive strategies to properly implement and manage the knowledge dissemination processes among the academics was also suggested. It is also one of the initial studies that highlight the linkages between AKEPT’s Training Centre and the local teaching and learning training centre. It opens up new lines of future research possibilities on the provision of centralized professional development training programs that facilitate the application of new knowledge at the local teaching and learning 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».