Lecturer e-Training Program to Support University Teaching | Programme d’e-formation pour les chargés de cours pour appuyer l’enseignement universitaire
Notice bibliographique
Résumé
This article attempts to explore the extent to which Lecturer e-Training Program (LeP) supports lecturers in their preparation for student-centred teaching. LeP was conducted in a blended mode, that is, it involved an online self-paced learning module followed by an interactive online discussion and ended with a face-to-face action learning. It was compulsory for all lecturers in this university to enrol in LeP. The data collection involved distributing questionnaires to all 36 lecturers. After that, 16 lecturers were selected at random for one-to-one structured interviews. In this study, it was found that LeP contributed significantly to the lecturer preparation for student-centred teaching, in particular, Stage 2 (Online Discussion) and Stage 3 (Face-to-Face Action Learning). Lecturers in this university were mostly homogeneous with regard to culture. It would be interesting to test LeP across cultural diversity as it was believed Asians and Westerners think differently.Le présent article vise à explorer la mesure dans laquelle le Programme d’e-formation (Lecturer e-Training Program) appuie les chargés de cours dans leur préparation pour un enseignement centré sur l’étudiant. Le Programme a été réalisé en mode hybride, c’est-à-dire avec un module d’apprentissage en ligne à rythme libre, qui a été suivi d’une discussion interactive en ligne et finalement d’un apprentissage par l’action réalisé en personne. Tous les chargés de cours de cette université devaient s’inscrire au Programme. La collecte de données a consisté à distribuer des questionnaires aux 36 chargés de cours. Ensuite, 16 d’entre eux ont été choisis au hasard pour des entrevues structurées en tête-à-tête. Dans cette étude, on a conclu que le Programme contribuait de façon importante à la préparation du chargé de cours pour un enseignement centré sur l’étudiant, particulièrement le deuxième stade (discussion en ligne) et le troisième (apprentissage par l’action réalisé en personne). La culture des chargés de cours de cette université était surtout homogène. Il serait intéressant de tester le Programme à travers une diversité culturelle, car on croit que les personnes asiatiques et occidentales pensent différemment.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,011 |
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 source (Gemma direct ou Codex distillé), 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 ».