MétaCan
Menu
Retour à la cohorte
Enregistrement W2808975461 · doi:10.15173/ijsap.v2i1.3207

Students as partners in learning and teaching: The benefits of co-creation of the curriculum

2018· article· en· W2808975461 sur OpenAlexvenueno aff
Tanya Lubicz-Nawrocka

Notice bibliographique

RevueInternational Journal for Students as Partners · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Practises and Engagement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumGeneral partnershipIntrapersonal communicationPedagogyInterpersonal communicationPsychologyCo-creationPerceptionCurriculum developmentEmergent curriculumCurriculum mappingSociologyPolitical scienceKnowledge managementSocial psychology

Résumé

récupéré en direct d'OpenAlex

This research explores the benefits of co-creation of the curriculum, which is seen as one form of student-staff partnership in learning and teaching in which each partner has a voice and a stake in curriculum development. This qualitative research analyses participants’ perceptions of co-creation of the curriculum in the Scottish higher-education sector. Initial findings show that some staff and students participating in co-creation of the curriculum perceive it to benefit them by (a) fostering the development of shared responsibility, respect, and trust; (b) creating the conditions for partners to learn from each other within a collaborative learning community; and (c) enhancing individuals’ satisfaction and personal development within higher education. Using Barnett’s conceptualisation of supercomplexity and Baxter Magolda’s three-pronged view of self-authorship, the author suggests that critical and democratic engagement in co-creation of the curriculum can develop the self-authorship of both students and staff members, including their cognitive, interpersonal, and intrapersonal abilities which help them adapt to an ever-changing, supercomplex world.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,039
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,018
Communication savante0,0150,010
Science ouverte0,0020,025
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,049
Tête enseignante GPT0,568
Écart entre enseignants0,519 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations118
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Students as PartnersMême sujetHigher Education Practises and EngagementTravaux en français237 207