Using digital peer observation to balance professional development and performance evaluation
Notice bibliographique
Résumé
This paper reports on how our Digital Peer Observation Process was developed; it describes the small scale pilot project, analyses feedback from the participants and manager, and speculates about further refinements to the process and possible future applications. The benefits of peer observation include evaluating expectations and beliefs, increasing confidence and collegiality, and improving pedagogy (Brockbank & McGill, 2006; Chester, 2012). Limitations included risk of self-deception and a lack of action following reflection (Brookfield, 1995; Carroll, 2009), time commitments (Chester, 2012; Hampton et al. 2004; Malthus, 2013) and the potential impact of having an observer in the consultation room. While acknowledging these benefits and limitations, the Navitas Academic Language and Learning (ALL) team had some additional concerns with the traditional peer observation process. These concerns included participants’ geographical distance, variations in work schedules, and balancing requirements for performance evaluation and low-cost professional development. During the pilot project, various ALL services were recorded via video conferencing or screen capture software, then observed using reflection guidelines developed by the team. The new digital process had three main benefits: team collegiality, clarity of the team’s vision and identity, and a balance of professional development and performance evaluation. In the pilot project, three challenges emerged from staff feedback: time commitment, misunderstanding of the process and materials, and concerns around giving colleagues ‘negative feedback’. In subsequent iterations, there is potential to explore further uses of technology and data in other contexts. The aim of this pilot project was to examine if digital tools and explicit processes could effectively balance teacher professional development using critical reflection and performance review for our national ALL team.
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 | 0,094 | 0,165 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,012 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».