MétaCan
Menu
Retour à la cohorte
Enregistrement W2761133286 · doi:10.17483/2368-6669.1120

Promoting Scholarship and Faculty Development through Faculty Learning Communities

2017· article· en· W2761133286 sur OpenAlexvenueno aff
Olive Yonge, Sandra Davidson

Notice bibliographique

RevueQuality Advancement in Nursing Education - Avancées en formation infirmière · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvaluation of Teaching Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScholarshipCollegialityFaculty developmentCommitProduct (mathematics)Medical educationCohortSession (web analytics)Professional developmentSociologyPsychologyPedagogyMedicinePolitical scienceBusinessComputer science

Résumé

récupéré en direct d'OpenAlex

Faculty learning communities (FLCs), whether they are topic or cohort-based, are a form of professional development that promote scholarship and collegiality among faculty members. This article describes how a number of FLCs were initiated in a Faculty of Nursing (FoN). Members who participated described the FLCs as scholarly, creative and morale enhancing. One of the most significant impacts in the topic-based FLCs was having members create a scholarly product such as articles, letters, theatrical performances, books, faculty modules, briefs and paintings. For the cohort-based FLC the product was preparing pre tenure faculty for tenure. It is recommended FLCs be voluntary, include meals, ask members to commit to attending each session and have expert facilitation. This article describes several examples of FLC’s and best practices around development and facilitation for effective FLC’s.

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)0,005
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,494
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0050,000
Communication savante0,0010,008
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 Opus0,292
Tête enseignante GPT0,554
Écart entre enseignants0,262 · 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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuality Advancement in Nursing Education - Avancées en formation infirmièreMême sujetEvaluation of Teaching PracticesTravaux en français237 207