Measuring educational workload: a pilot study of paper-based and PDA tools
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Teaching is an important professional role for most faculty members in academic health sciences centres. Careful delineation of educational workload is needed to foster and reward teaching efforts, and to facilitate equitable allocation of resources. AIMS: To promote recognition in teaching and facilitate equitable resource allocation, we developed, piloted, and qualitatively assessed a tool for delineating the educational workload of pediatric faculty in an academic health sciences centre. METHODS: A prototype educational workload measurement tool was developed. Between 2002 and 2004, three successive phases of pilot implementation were conducted to (1) assess the face validity of the tool, (2) assess its feasibility, and (3) develop and assess the feasibility of a PDA (Personal Digital Assistant) version. Participants were interviewed regarding strengths, weaknesses, and barriers to completion. Data were analyzed for recurrent themes. RESULTS: Faculty found that the tool was usable and represented a broad range of educational activities. The PDA format was easier to use and better received. Technical support would be imperative for long-term implementation. The greatest barriers to implementation were skepticism about the purpose of the tool and concerns that it would promote quantity over quality of teaching. CONCLUSION: We developed a usable tool to capture data on the diverse educational workload of pediatric faculty. PDA technology can be used to facilitate collection of workload data. Faculty skepticism is an important barrier that should be addressed in future work.
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,014 | 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 découle