Framework for Strengthening the Scholarship of Teaching and Learning in the Canadian College Sector
Notice bibliographique
Résumé
Following collaborative discussion and an initial literature review, a small group of college educators from three Canadian provinces, occupying roles at the micro, meso, and macro levels of their respective institutions, identified the need to develop a tool that considers institutional context in both determining the state of, and preparing for the advancement of, the state of the Scholarship of Teaching and Learning (SoTL). Further exploration into both the literature and our own experiences revealed that the state of SoTL within a particular institution seems to rely less on its categorization as a, for example, college, university, or technical institute, and more on the intricate web of factors that constitute the institution’s context. While other researchers have put forth this call to consider institutional context to determine support for SoTL practices and processes, a detailed process or tool for doing so was not apparent. Adopting Bolman and Deal’s (2008) framework for organizational structure, and combining this with data-gathering processes popularized by Smith’s (2005) institutional ethnography, as well as a series of guiding questions, our tool represents an initial step in systematically representing SoTL-enabling and impeding artifacts commonly found in post-secondary institutions. Assuming SoTL leaders modify this tool based on their own entry points, a call is put forward to the Canadian post-secondary SoTL community to field-test the tool in order to facilitate reflection upon how a variety of factors encourage and impede SoTL advancement at our unique institutions, the interconnections between these factors and how we might use these to solve the pedagogical problems we face. Après avoir mené une discussion collaborative et examiné la documentation publiée, un petit groupe d’éducateurs de collèges de trois provinces canadiennes, qui jouent des rôles aux niveaux micro, meso et macro dans leurs établissements respectifs, ont identifié le besoin de développer un outil qui prend en considération le contexte institutionnel à la fois pour déterminer l’état de l’avancement des connaissances en enseignement et en apprentissage (ACEA) et pour se préparer à sa croissance. Un examen plus approfondi à la fois des documents publiés et de nos propres expériences a révélé que l’état de l’ACEA au sein d’un établissement donné semble s’appuyer non pas tant sur sa catégorisation en tant que, par exemple, collège, université ou institut technique, mais plutôt sur le réseau complexe des facteurs qui constituent le contexte de l’établissement. Bien que d’autres chercheurs aient déjà suggéré de prendre en considération le contexte institutionnel afin de déterminer le soutien apporté aux pratiques et aux processus d’ACEA, aucun processus détaillé d’outils permettant d’y arriver n’a été identifié. Notre outil, qui adapte le cadre proposé par Bolman et Deal (2008) pour une structure organisationnelle en le combinant avec des procédés de collection de données popularisés par l’ethnographie institutionnelle de Smith (2005), ainsi qu’une série de questions d’orientation, constitue une étape initiale pour représenter systématiquement les artefacts paralysants et favorables à l’ACEA communément trouvés dans les établissements post-secondaires. À supposer que les leaders de l’ACEA modifient cet outil selon leur point d’entrée, un appel est lancé à la communauté de l’ACEA des établissements d’enseignement supérieur canadiens pour tester l’outil sur le terrain afin de faciliter la réflexion sur la manière dont une variété de facteurs encouragent et entravent la croissance de l’ACEA dans nos établissements uniques, sur les inter-connexions entre ces facteurs et sur la manière dont nous pourrions les utiliser pour résoudre le problème pédagogique auquel nous sommes confrontés.
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 | 0,116 | 0,145 |
| 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 | 0,067 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,012 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».