Apoyar el desarrollo profesional continuo del personal académico a través del intercambio de experiencias
Notice bibliographique
Résumé
Aquest article exposa un experiment a petita escala sobre una estratègia dissenyada per recolzar l�intercanvi d�experiències acadèmiques en una universitat d�educació a distància. Dos petits grups independents compostos per personal acadèmic (un grup amb quatre professors i un altre amb cinc dissenyadors de continguts educatius, tots dos amb empleats amb i sense experiència) es van oferir voluntaris per reunir-se periòdicament durant un període d�un any per elaborar un mapa de coneixements col·lectius que representés una part dels seus coneixements professionals. Aquesta eina i activitat de tutoria entre companys de treball va establir un context d�aprenentatge en el qual es va potenciar que els participants exterioritzessin i compartissin alguns coneixements tàcits desenvolupats per mitjà de la pràctica professional, a més de determinats coneixements organitzatius explícits encara que de vegades ambigus. Les dades analitzades fins al moment inclouen l�enregistrament de les entrevistes realitzades a cada participant abans i després de l�experiment, l�enregistrament de les conclusions al final de cada reunió i el mapa de coneixements elaborat per cada grup. Els resultats suggereixen que combinar les tutories de grup amb la modelització de coneixements col·laboratius és una estratègia prometedora per a promoure l�adquisició d�experiències professionals i per tant per a donar suport al desenvolupament professional del personal acadèmic a les universitats. Aquesta estratègia pot definir-se com una activitat d�aprenentatge intencional però no formal que s�adequa a les conceptualitzacions d�aprenentatge al lloc de treball alhora com a procés d�intercanvi de coneixements i procés de creació de coneixements.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».