Using the Teaching Perspectives Inventory (TPI) to examine the relationship between teaching perspectives and disciplines in higher education
Notice bibliographique
Résumé
This study examined the relationship between different views of teaching and dimensions that differentiate academic disciplines. A total of 114 academics within Greece and 127 academics from similar disciplines but other countries were compared using the Teaching Perspectives Inventory (TPI). Distinctions among disciplines for both groups were based on Biglan’s 3-dimensional classification (Pure/Applied; Hard/Soft; Life/non-Life). The objective of this study was to examine to what extent the teaching perspectives of the academics differ from one classification category to another. Greek academics represented participants in 15 departments across 9 universities throughout Greece, while the international sample was drawn from the TPI database. Statistical analysis indicated better differentiation of Biglan’s classification for its Life/non-Life dimension than for Pure/Applied or Hard/Soft between the combined samples for four Teaching Perspectives: Transmission, Developmental, Nurturing and Social Reform. No perspectives differences existed for Biglan’s Hard/Soft categorisation, although Greek professors were significantly higher in Soft rather than Hard disciplines in the Developmental, Nurturing and Social Reform perspectives compared to their global counterparts. They also demonstrated overall higher ‘Transmission’ scores. The authors conclude that disciplinary differences are real, but that they are small compared to the interpersonal ones or even to the international ones. The relationships between the teaching perspectives and Biglan’s classifications are further discussed.
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 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».