MétaCan
Menu
Retour à la cohorte
Enregistrement W2340563481

Research in Brief - Can They Teach Each Other? : The Restructuring of Higher Education and the Rise of Undergraduate Student “Teachers” in Ontario

2016· article· en· W2340563481 sur OpenAlexaboutno aff
Jennifer Massey, Sean Field

Notice bibliographique

RevueLoyola eCommons (Loyola University Chicago) · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Practises and Engagement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCommonsRestructuringPoliticsPolitical scienceSociologySocial scienceLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Changes to public funding regimes, coupled with transformations in how universities are managed and measured have altered the methods for educating undergraduate students. The growing reliance on teaching fellows, teaching assistants, and increasingly undergraduate peer educators (administering Supplemental Instruction [SI] programs) is promoted as a means toachieve a greater “return on investment” in the delivery of postsecondary education. Neoliberal discourses legitimating this downloading of teaching labour suggest it offers a “win-win” solution to the “problem” of educating growing numbers of undergraduate students. It proposes universities can deliver the same curricula, and achieve the same “outcomes” (primarily measured through grades and retention) for a substantially lower investment. Taking a political economy approach to examining transformations in Canadian postsecondary education, this article has three objectives. First, it traces the emergence and development of the discourses supporting the restructuring of teaching. Second, it unpacks these discourses and situates them within the context of successive reductions of public funding in postsecondary education. Third, it explores the expansion of SI as a microcosm of the broader complex shifts in the organization, management, and search for “efficiencies” in higher education, and challenges uncritical policy supporting the outcomes of SI.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,217
Score d'incertitude au seuil0,409

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,339
Écart entre enseignants0,288 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLoyola eCommons (Loyola University Chicago)Même sujetHigher Education Practises and EngagementTravaux en français237 207