Success in Student-Faculty/Staff SoTL Partnerships: Motivations, Challenges, Power, and Definitions
Notice bibliographique
Résumé
Partnerships with students are considered one of the principles of good Scholarship of Teaching and Learning (SoTL) practice. However, not all partnerships are equally successful. What characteristics are common to successful partnerships and what preparatory elements can lead toward more successful partnerships? In this article, our team of graduate students, educational developers, and faculty members engage in detailed self-reflection on our past and ongoing SoTL projects as an inquiry into what it means to be in a successful student-faculty/staff partnership. Using thematic analysis, we identify and describe four distinct domains that can shape partnerships: (1) motivations to participate, (2) challenges, (3) power, and (4) definitions of success. The article concludes with a set of questions to stimulate initial and ongoing conversations between partners to guide new partnerships in defining the parameters for success in their proposed collaboration. Les partenariats avec les étudiants sont considérés comme l’un des principes de bonne pratique de l’Avancement des connaissances en enseignement et en apprentissage (ACEA). Toutefois, tous les partenariats ne connaissent pas le même succès. Quelles sont les caractéristiques communes des partenariats réussis et quels sont les éléments préparatoires qui peuvent aboutir à des partenariats mieux réussis? Dans cet article, notre groupe, consistant d’étudiants de cycles supérieurs, de conseillers pédagogiques et de professeurs, se lance dans une auto-réflexion détaillée sur nos projets passés et présents en ACEA qui constitue une enquête sur ce que cela signifie de faire partie d’un partenariat réussi entre étudiants, professeurs et membres du personnel. Par le biais de l’analyse thématique, nous identifions et décrivons quatre domaines distincts qui façonnent les partenariats : 1) la motivation à participer, 2) les défis, 3) le pouvoir et 4) les définitions de la réussite. En conclusion, nous posons un groupe de questions pour stimuler les conversations initiales et continues entre les divers partenaires afin de guider les nouveaux partenariats à définir les paramètres menant à la réussite dans leur collaboration proposée.
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 | 0,011 | 0,005 |
| 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 | 0,016 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».