Applying Kolb’s Learning Theory to Library Instruction: An Observational Study
Notice bibliographique
Résumé
Abstract
 
 Objective – This article answers the following questions: does applying Kolb’s Learning theory to library instruction enhance student engagement and will it improve librarian teaching practices? 
 
 Methods – This observational study analyzed four forms of qualitative data to examine the learning experience of first year nursing students and the teaching experience of two Faculty Librarians. The four forms of data collected were: (1) post-class qualitative feedback to assess the students’ engagement; (2) library instructors’ shared teaching observations; (3) librarian peer feedback after observing each other teach; and (4) feedback from an instructional facilitator on the individual librarian’s teaching skills. Two distinct lesson plans were developed: Lesson Plan One was the first attempt at incorporating Kolb’s theory into practice and Lesson Plan Two was a refinement of Lesson Plan One. Teaching strategies were altered from one lesson plan to the next based on the instructional facilitator’s feedback. The role of the instructional facilitator was to guide the professional development of new instructors by providing them with information and feedback on their teaching skills.
 
 Results – There were perceived improvements in student engagement and teaching practice from Lesson Plan One to Two. Although the students’ reported experience remained similar from one to the next, both the librarians and instructional facilitator felt the students were more engaged and the environment seemed more collaborative when following Lesson Plan Two. With the second lesson plan, librarian instructors experienced a positive transformation as teachers, becoming facilitators of learning rather than lecturers.
 
 Conclusion – Incorporating Kolb’s theory into instructional practice resulted in librarian instructors perceiving a positive effect on both instruction and on student engagement in the teaching-learning process.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».