MétaCan
Menu
Retour à la cohorte
Enregistrement W2486115859 · doi:10.22329/celt.v9i0.4433

Faculty Perceptions of Challenges and Enablers of Effective Teaching in a Large Research-Intensive University: Preliminary Findings

2016· article· en· W2486115859 sur OpenAlexafffundvenueabout
Adriana Briseño‐Garzón, Andrea Han, Gülnur Bírol, Simon Bates, Lorne Whitehead

Notice bibliographique

RevueCollected Essays on Learning and Teaching · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvaluation of Teaching Practices
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversity of Saskatchewan
Mots-clésWorkloadPerceptionHigher educationTeaching and learning centerMedical educationInstitutionPsychologyTeaching methodClass (philosophy)PedagogySociologyMedicinePolitical scienceManagementSocial scienceComputer science

Résumé

récupéré en direct d'OpenAlex

In October 2014, the University of British Columbia Vancouver campus (UBCV) ran a campus-wide survey to establish baseline information on teaching practices and attitudes among faculty, to measure the impact of existing teaching and learning initiatives and to identify the conditions leading to change in practices and attitudes around teaching. Over 1000 participants with teaching responsibilities across 11 Faculties responded to the survey. This paper explores the main challenges and enablers of effective teaching practice at this large research-intensive institution, and presents preliminary findings centered on emergent themes of class size, workload, balancing activities and content, perceptions of the institutional value of teaching, and the current support for teaching available at UBCV.

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)0,009
score de la tête « metaresearch » (Gemma)0,021
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,272
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,092
Tête enseignante GPT0,411
Écart entre enseignants0,319 · 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.

Devis d'étudeQualitatif
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

Citations7
Publié2016
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCollected Essays on Learning and TeachingMême sujetEvaluation of Teaching PracticesTravaux en français237 207