Teacher Development: A Patchwork-Text Approach to Enhancing Critical Reflection in Veterinary and Para-Veterinary Educators
Notice bibliographique
Résumé
Reflection is an essential component of teacher-development programs, and reliable, valid methods to teach, assess, and evaluate reflection are critical. However, it is important that appropriate methods are created for and evaluated across multiple disciplinary backgrounds, as the participants' backgrounds are a major factor in the development of critical reflection. The patchwork-text approach is a narrative process that is predominantly focused on the personal development of the individual. The current study used the patchwork-text approach for the development of reflection in participants with a science background who had not used a reflective approach for personal development before. Twenty summative essays and 103 formative essays from 21 participants who underwent a 1-year higher-education teacher-development program were analyzed to assess whether the quality and quantity of reflective writing was enhanced through a regular, iterative process of reflective writing with feedback. The analysis of the essays involved the use of a predefined set of criteria for identifying the different reflective levels from 1 to 4 and the calculation of a reflective score to evaluate the overall development. The results show a clear improvement of higher-level critical thinking as the participants progressed through their course. Higher levels of reflection were achieved particularly where a unit focused on a familiar area for the participant as opposed to one in which the participant had less experience. The analysis provides evidence that the patchwork text is a useful method for development and evaluation of reflection in participants with a veterinary/animal-science base.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».