MétaCan
Menu
Retour à la cohorte
Enregistrement W2885100320 · doi:10.24908/pceea.v0i0.9579

TRAINING TEACHING ASSISTANTS AS COACHES

2018· article· en· W2885100320 sur OpenAlexafffundvenue
Alexandros Dimopoulos, Kush Bubbar, Roslyn Gaetz, Peter Wild

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Pedagogy
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTeamworkCoachingExperiential learningPsychologyMedical educationPedagogyMathematics educationMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract – The role of graduate teaching assistants (GTAs) is becoming more demanding as engineering education places an increased emphasis on teamwork and design. For undergraduate students to excel, GTAs must help them form well-functioning teams and encourage them to operate as self-directed learners. In other words, GTAs should operate more as coaches rather than teachers. Many GTAs, unfortunately, lack the basic competencies of to perform as a coach. In this work, we present a 3-hour workshop designed to address this skills gap. The role of a coach and basic theoretical concepts, as well as a simple tool to elicit self-reflection in students are presented through a series of experiential exercises and discussions. The exercises also give participants an opportunity to practice these newly acquired skills while developing confidence in identifying scenarios where the tool may be applied. This workshop has been executed once with a group of 10 graduate engineering students at the University of Victoria. Survey results have been encouraging, we believe that the participants successfully acquired basic coaching competencies and applied them to their interactions with undergraduate students.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0030,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0210,009

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 Opus0,015
Tête enseignante GPT0,241
Écart entre enseignants0,226 · 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

Citations3
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetEngineering Education and PedagogyTravaux en français237 207